在Pandas中实现基于店铺的DataFrame地区数值分组汇总

原始DataFrame如下：

typeItem    store   region      amountItems
0   Drink       Toncat  Colorado    100
1   Food        Toncat  Colorado    100
2   Toy         Toncat  Colorado    100
3   Cloth       Toncat  Colorado    100
4   Car         Bent    Mount       10
5   Moto        Bent    Mount       10
6   Bike        Timo    Mount       5
7   Fork        Logo    Iggo        50

已知每个地区包含多个店铺，amountItems字段已是各店铺的聚合值。需要按地区分组，对不同店铺的amountItems求和，生成新字段amountItemsRegion，期望输出如下：

typeItem    store   region      amountItems amountItemsRegion
0   Drink       Toncat  Colorado    100         100
1   Food        Toncat  Colorado    100         100
2   Toy         Toncat  Colorado    100         100 
3   Cloth       Toncat  Colorado    100         100
4   Car         Bent    Mount       10          15
5   Moto        Bent    Mount       10          15
6   Bike        Timo    Mount       5           15
7   Fork        Logo    Iggo        50          50

注：Colorado地区仅1家店铺，求和值为该店铺的数值；Mount地区有2家店铺，需对不同店铺的amountItems求和（10+5）。

可以通过以下两种Pandas方式实现：

方式一：分组求和后合并 #

1. 先按region和store分组，提取每个店铺在对应地区的唯一amountItems值（因同一店铺的amountItems为聚合值，所有行数值一致）；
2. 对每个region下的店铺amountItems求和，得到地区级总和；
3. 将求和结果合并回原始DataFrame。

代码示例：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'typeItem': ['Drink', 'Food', 'Toy', 'Cloth', 'Car', 'Moto', 'Bike', 'Fork'],
    'store': ['Toncat', 'Toncat', 'Toncat', 'Toncat', 'Bent', 'Bent', 'Timo', 'Logo'],
    'region': ['Colorado', 'Colorado', 'Colorado', 'Colorado', 'Mount', 'Mount', 'Mount', 'Iggo'],
    'amountItems': [100, 100, 100, 100, 10, 10, 5, 50]
})

# 按地区+店铺取唯一值后，按地区求和
region_store_sum = df.groupby(['region', 'store'])['amountItems'].first().groupby('region').sum().reset_index(name='amountItemsRegion')

# 合并回原始数据
df = df.merge(region_store_sum, on='region', how='left')

print(df)

方式二：去重+transform映射 #

先去掉同一地区同一店铺的重复行，再按地区对amountItems求和，最后用transform将求和结果映射到原始DataFrame的每一行，一步生成目标字段。

代码示例：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'typeItem': ['Drink', 'Food', 'Toy', 'Cloth', 'Car', 'Moto', 'Bike', 'Fork'],
    'store': ['Toncat', 'Toncat', 'Toncat', 'Toncat', 'Bent', 'Bent', 'Timo', 'Logo'],
    'region': ['Colorado', 'Colorado', 'Colorado', 'Colorado', 'Mount', 'Mount', 'Mount', 'Iggo'],
    'amountItems': [100, 100, 100, 100, 10, 10, 5, 50]
})

# 生成amountItemsRegion字段
df['amountItemsRegion'] = df.drop_duplicates(['region', 'store']).groupby('region')['amountItems'].transform('sum')

print(df)

内容的提问来源于stack exchange，提问作者gfernandes