如何在Pandas中按posteam分组并结合penalty_team条件聚合数据

现有如下DataFrame：

import pandas as pd

df = pd.DataFrame([
        {'posteam': 'NYJ', 'defteam': 'BAL', 'penalty': 1, 'penalty_team': 'NYJ', 'penalty_yards': 10}, 
        {'posteam': 'NYJ', 'defteam': 'BAL', 'penalty': 1, 'penalty_team': 'BAL', 'penalty_yards': 5},
        {'posteam': 'BAL', 'defteam': 'NYJ', 'penalty': 0, 'penalty_team': None, 'penalty_yards': 0},
        {'posteam': 'BAL', 'defteam': 'NYJ', 'penalty': 1, 'penalty_team': 'NYJ', 'penalty_yards': 15}])

需求：按posteam中的球队统计其所有犯规次数和码数（无论该球队是进攻方还是防守方，只要penalty_team等于该球队，就计入统计），期望输出如下：

当前使用的聚合代码仅统计了球队作为进攻方时的犯规，结果不符合预期：

df.groupby(['posteam']).agg({
    'penalty': 'sum',
    'penalty_yards': 'sum'
})

输出结果：

方法一：筛选有效行后按犯规球队聚合，对齐原球队列表 #

核心逻辑是：先过滤掉无犯规的行（penalty_team为空的行），然后按penalty_team分组统计犯规数据，最后将结果索引对齐到原posteam的所有球队，确保所有目标球队都出现在结果中。

import pandas as pd

# 过滤掉无犯规的行
filtered_df = df[df['penalty_team'].notna()]

# 按犯规球队聚合统计
result = filtered_df.groupby('penalty_team').agg(
    penalty=('penalty', 'sum'),
    penalty_yards=('penalty_yards', 'sum')
).rename_axis('posteam')  # 将索引名改为posteam，匹配期望输出

# 对齐原posteam的所有球队，填充无犯规的情况为0
result = result.reindex(df['posteam'].unique()).fillna(0).astype(int)

print(result)

运行后输出：

penalty  penalty_yards
posteam                        
NYJ            2             25
BAL            1              5

方法二：使用条件聚合（无需过滤行） #

直接在聚合时加入条件判断，仅统计penalty_team与分组球队一致的行：

result = df.groupby('posteam').agg(
    penalty=('penalty', lambda x: x[df['penalty_team'] == x.name].sum()),
    penalty_yards=('penalty_yards', lambda x: x[df['penalty_team'] == x.name].sum())
)

print(result)

该方法通过lambda函数在聚合时筛选出当前分组球队（x.name即当前posteam值）作为penalty_team的行，再求和，同样能得到期望结果。

内容的提问来源于stack exchange，提问作者jwald3