基于目标端口值聚合源字节数：如何通过agg实现条件求和？

嘿，我来帮你搞定这个需求！你想要把destination_port为80的source_bytes求和后，放到一个名为source_bytes_port_80的独立列里，其实有几种灵活的实现方式，既可以满足你想用自定义函数配合agg的思路，也有更直接的简化方案：

方法一：直接生成全局总和列（最简单） #

如果你需要的是整个数据集里所有port=80的source_bytes总和，并把这个值放到每一行的新列中，直接计算后赋值就可以：

import pandas as pd

# 先构造你的测试DataFrame
data = {
    'date': ['2020-11-13 13:57:51', '2020-11-13 13:57:51', '2020-11-13 13:57:52', '2020-11-13 13:59:53', '2020-11-13 13:59:54'],
    'source_ip': ['192.168.1.1', '192.168.1.2', '10.0.0.1', '192.168.1.1', '192.168.1.1'],
    'destination_ip': ['10.0.0.1', '10.0.0.1', '192.168.1.1', '192.168.1.2', '192.168.1.2'],
    'source_bytes': [5, 1, 2, 3, 3],
    'destination_port': [80, 2200, 80, 443, 1100]
}
df = pd.DataFrame(data)

# 计算port=80的source_bytes总和
total_port80 = df.loc[df['destination_port'] == 80, 'source_bytes'].sum()
# 赋值给新列
df['source_bytes_port_80'] = total_port80

执行后，新列的每一行都会显示总和7（5+2）。

方法二：按维度分组聚合（保留原始行） #

如果需要按某个维度（比如source_ip、date）分别计算每组内port=80的总和，用transform可以直接把聚合结果映射回原始行：

# 按source_ip分组，计算每个IP对应的port=80的source_bytes总和
df['source_bytes_port_80'] = df.groupby('source_ip')['source_bytes'].transform(
    lambda x: x[df.loc[x.index, 'destination_port'] == 80].sum()
)

结果里，192.168.1.1的行新列值为5，10.0.0.1的行值为2，其他IP的行值为0。

方法三：实现你想用的自定义函数+agg思路 #

如果你坚持要用自定义函数配合agg，可以这样写——注意要通过索引关联destination_port列来做条件判断：

def sum_of_port(x, target_port):
    # x是source_bytes的Series，通过索引匹配原DataFrame的destination_port
    mask = df.loc[x.index, 'destination_port'] == target_port
    return x[mask].sum()

# 示例：按date分组聚合，生成每组的port80总和
grouped_result = df.groupby('date').agg(
    source_bytes_port_80=('source_bytes', lambda x: sum_of_port(x, 80))
).reset_index()

# 把聚合结果合并回原DataFrame
df = df.merge(grouped_result, on='date', how='left')

这样就能得到每个日期下port=80的source_bytes总和，并对应到原始行中。

内容的提问来源于stack exchange，提问作者Chris