如何在Pandas中实现类似Excel SUMIFS的逐行关联分组求和功能

实现该需求的核心是使用groupby + transform组合，不需要手动枚举任何分组值，会自动将分组求和结果回填到对应分组的每一行，和Excel SUMIFS的逻辑完全一致。

核心实现代码 #

假设你的原始DataFrame包含date（日期）、product（产品）、sales（单条记录销量）三个字段，实现代码如下：

import pandas as pd

# 按【日期+产品】两个条件分组，对销量求和后回填到原表每一行
df['daily_product_total_sales'] = df.groupby(['date', 'product'])['sales'].transform('sum')

逻辑说明 #

• groupby中传入的列就是你需要匹配的条件列，和Excel SUMIFS中依次添加的判断条件完全对应，如有更多匹配维度，直接在列表中追加列名即可
• transform('sum')不会将数据聚合为独立的汇总表，会自动将每个分组的求和结果匹配到该分组的所有原始行，完全符合你要的在原记录旁追加汇总值的需求

可运行测试样例 #

你可以用下面的样例验证效果：

# 构造测试数据
data = {
    'date': ['2023-01-01', '2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],
    'product': ['apple', 'apple', 'orange', 'apple', 'orange'],
    'sales': [10, 20, 15, 5, 25]
}
df = pd.DataFrame(data)

# 执行汇总逻辑
df['daily_product_total_sales'] = df.groupby(['date', 'product'])['sales'].transform('sum')
print(df)

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