Pandas中跨多个groupby结果执行数学计算：按ID分摊项目成本

核心实现代码 #

import pandas as pd

# 方案1：基于索引直接匹配，无需重置索引，效率更高
# 计算每个ID的总工时，transform返回结果与原Hours表索引完全对齐
id_total_hours = Hours.groupby(level="ID")["Hours"].transform("sum")
# 匹配每行ID对应的总成本
id_cost = Hours.index.get_level_values("ID").map(Costs["Cost"])
# 按公式计算分摊成本，保留2位小数
Hours["Allocated Costs"] = (Hours["Hours"] / id_total_hours * id_cost).round(2)
# 整理输出格式
result = Hours.drop(columns=["Hours"])

备选实现（更易读的merge方案） #

# 先关联两表数据
df = Hours.reset_index().merge(Costs.reset_index(), on="ID", how="left")
# 按ID分组计算总工时
df["id_total_hours"] = df.groupby("ID")["Hours"].transform("sum")
# 计算分摊成本
df["Allocated Costs"] = (df["Hours"] / df["id_total_hours"] * df["Cost"]).round(2)
# 整理为要求的索引格式
result = df[["ID", "Project", "Allocated Costs"]].set_index(["ID", "Project"])

逻辑说明 #

• 两种方案均为向量化批量计算，无需逐ID循环筛选，可直接处理全量数据
• 输出的result完全匹配你要求的格式，数值精度为保留两位小数
• 如果你的索引名称不是ID/Project，替换成对应索引名即可正常运行

内容的提问来源于stack exchange，提问作者user14380579