如何在Pandas DataFrame中按日期求和prima_dose并新增汇总列

初始逻辑 #

首先导入依赖库，获取公开疫苗接种数据，筛选出年龄区间为20-29岁的所有行，删除无关字段，代码如下：

import pandas as pd
import json
import numpy
import sympy
from numpy import arange,exp
from scipy.optimize import curve_fit
from matplotlib import pyplot
import math
import decimal

df = pd.read_csv('https://raw.githubusercontent.com/italia/covid19-opendata-vaccini/master/dati/somministrazioni-vaccini-latest.csv') 

df = df[df["fascia_anagrafica"] == "20-29"]

df01=df.drop(columns= ["fornitore","area","sesso_maschile","sesso_femminile","seconda_dose","pregressa_infezione","dose_aggiuntiva","codice_NUTS1","codice_NUTS2","codice_regione_ISTAT","nome_area"])

处理后的数据每行对应20-29岁年龄组的单地区单日接种数据，其中prima_dose字段代表第一剂接种量。

现存问题 #

数据为意大利各地区分天上报的接种数据，同一日期会存在多条记录，对应不同地区的当日接种数据，部分日期上报记录不足21条（部分地区该日期无上报数据）。

需求 #

需要在dataframe中新增一列，对同一日期的所有prima_dose值求和，将该日期的总和赋值给该日期下的每一行，效果如下示例：

实现方法 #

使用Pandas的groupby分组结合transform方法即可实现，transform会保留原数据的行数，将分组后的聚合结果映射到对应分组的每一行：

# data为数据中日期字段的名称，若你修改了字段名请替换为对应值
df01['sum_column'] = df01.groupby('data')['prima_dose'].transform('sum')

执行上述代码后，df01中就会新增sum_column列，值为对应日期的所有第一剂接种量总和。

内容的提问来源于stack exchange，提问作者Fllecha