pandas如何筛选groupby sum结果获取指定Code的汇总值

你现有代码的问题：

• 重复三次执行全量groupby求和，属于冗余计算
• 未从分组结果中提取指定Code对应的汇总值，且后两个print语句漏了字符串和变量间的逗号，会触发语法错误

方法1：一次分组后按索引取值（推荐，计算效率最高） #

groupby求和后的结果默认以分组列Code作为索引，是一个pandas Series，只需要计算一次全部分组的和，就可以直接通过索引标签提取对应编码的汇总值：

# 仅执行一次分组求和
sum_by_code = df.groupby('Code')['Total'].sum()

# 提取指定编码的汇总值
subheading_one = sum_by_code['1.1']
subheading_two = sum_by_code['1.2']
subheading_three = sum_by_code['1.3']

# 打印输出，补全缺失的逗号
print('Cost heading 1.1 £: ', subheading_one)
print('Cost heading 1.2 £: ', subheading_two)
print('Cost heading 1.3 £: ', subheading_three)

运行后subheading_one就会返回你预期的编码1.1对应的汇总值300。

注意：如果你的Code列是浮点/整数类型而非字符串类型，取值时去掉引号即可，例如sum_by_code[1.1]。

方法2：先过滤再求和（适合仅需少量编码值的场景） #

如果不需要所有编码的汇总结果，可以直接先筛选出对应编码的行再对Total列求和，不需要调用groupby，写法更直观：

subheading_one = df[df['Code'] == '1.1']['Total'].sum()
subheading_two = df[df['Code'] == '1.2']['Total'].sum()
subheading_three = df[df['Code'] == '1.3']['Total'].sum()

参考数据示例：

内容的提问来源于stack exchange，提问作者planckepoch86