pandas按ID分组求和后将Rate总额写入Status为P的Total列

原有方案问题 #

直接调用df.groupby(["ID"]).Rate.sum().reset_index()会按ID维度做聚合，每个ID仅返回1条汇总记录，会丢失同ID下的同住人明细行，自然无法实现按Status条件赋值的需求。

实现思路 #

使用groupby配套的transform方法做分组求和，该方法会把分组计算出的总和按原表的行索引对齐返回，不会压缩行数、丢失原始记录，之后通过条件判断给Total列赋值即可：

• 按ID分组计算每个房间的总房费，将结果广播到同ID的每一行
• 逐行判断Status值：值为P的主住客行，Total列填入对应房间总房费；值为S的同住人行，Total列填0

完整代码 #

import pandas as pd
import numpy as np

# 原始数据表
df = pd.DataFrame({
    'ID':[1182,2554,1182,2658,5489,2658],
    'Fname':['Tom','Harry','Trisha','Ben','Susan','Brenda'],
    'Rate':[125.00,89.00,135.00,25.00,145.00,19.00],
    'Status':['P','S','P','P','P','S'],
    'Total':[0,0,0,0,0,0]
})

# 按ID分组计算单房总房费，结果与原表行对齐
df['room_total'] = df.groupby('ID')['Rate'].transform('sum')
# 按Status规则给Total列赋值
df['Total'] = np.where(df['Status'] == 'P', df['room_total'], 0)
# 清理临时计算列
df = df.drop(columns=['room_total'])

运行上述代码后所有原始记录完整保留，Total列填充逻辑完全匹配需求规则。

内容的提问来源于stack exchange，提问作者Boomer