如何按id分组对DataFrame中life_day不大于4的value列值求和

你现有的代码存在两个核心问题：

• 筛选条件错误：df["life_day"] == 90 是筛选life_day等于90的行，和你需要的life_day <= 4的需求完全不符
• 聚合逻辑错误：直接对groupby结果调用.sum()会对所有数值列求和，会把life_day列也累加，无法得到固定为4的life_day结果

正确实现方案 #

你可以先筛选符合条件的行，再按id分组指定不同列的聚合规则，示例代码如下：

# 筛选life_day<=4的行后按id分组聚合
result = df[df['life_day'] <= 4].groupby('id', as_index=False).agg(
    life_day = ('life_day', 'max'), # 筛选后life_day的最大值为4，取max即可匹配预期结果
    value = ('value', 'sum') # 对符合条件的value字段求和
)

如果你需要的life_day固定为4，也可以用更简单的写法：

# 先按条件筛选、分组对value求和
result = df[df['life_day'] <= 4].groupby('id', as_index=False)['value'].sum()
# 直接赋值固定的life_day字段
result['life_day'] = 4
# 调整列顺序和预期输出一致
result = result[['id', 'life_day', 'value']]

以上两种方法执行后都可以得到你期望的输出结果。

内容的提问来源于stack exchange，提问作者skulldoger