如何为Pandas DataFrame添加分组聚合求和列（解决NaN问题）

我明白你遇到的问题了——直接把groupby的求和结果赋值给新列时，因为索引不匹配，导致所有值都变成了NaN。这是因为df.groupby('A')['C'].sum()返回的Series，它的索引是'A'列的唯一值（bar和foo），而原DataFrame的索引是0到7，两者无法对应上，所以就填充了NaN。

下面给你两种简单有效的解决方法：

方法一：使用transform方法（推荐） #

transform方法会将分组计算的结果广播到原DataFrame的每一行，自动匹配对应的分组，完美解决索引不匹配的问题：

import pandas as pd
import numpy as np

# 初始化你的DataFrame
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'], 
                   'B' : ['one', 'one', 'two', 'three','two', 'two', 'one', 'three'], 
                   'C' : [1,2,8,2,3,4,8,7], 
                   'D' : np.random.randn(8)})

# 使用transform添加分组求和列
df['Sum'] = df.groupby('A')['C'].transform('sum')

执行后你就能得到想要的结果：

A B C D Sum
0 foo one 1 1.701138 27
1 bar one 2 0.771723 8
2 foo two 8 0.624447 27
3 bar three 2 1.725457 8
4 foo two 3 0.742048 27
5 bar two 4 0.166653 8
6 foo one 8 -0.605956 27
7 foo three 7 0.160273 27

方法二：先计算求和结果再合并 #

如果你更习惯用合并的方式，也可以先把分组求和的结果转成带普通索引的DataFrame，再和原DataFrame合并：

# 计算分组求和并重置索引
sum_df = df.groupby('A')['C'].sum().reset_index(name='Sum')
# 合并到原DataFrame
df = df.merge(sum_df, on='A')

这种方法也能得到完全一样的正确结果，适合需要单独处理求和结果的场景。

内容的提问来源于stack exchange，提问作者Souleymane