Pandas DataFrame按多字段分组求和遇NaN问题求助

嗨，我来帮你搞定这个问题～你遇到的annual_div列全是NaN的情况，主要是两个小细节出错导致的：

1. GroupBy的参数写法有误 #

你用groupby('exchange' and 'ticker' and 'year')的写法完全不对哦！在Python里，字符串之间用and做逻辑运算，最终只会返回最后一个非空字符串（因为非空字符串会被视为True），所以你实际上只按year这一列分组了，而且分组后的求和结果索引和原DataFrame不匹配，直接赋值自然就全是NaN了。

正确的分组方式应该是传入列名的列表，明确告诉Pandas要同时按这三列进行分组：

groupby(['exchange', 'ticker', 'year'])

2. 需要用transform实现结果广播到每行 #

你直接用.sum()['div_amt']得到的是分组后的汇总结果（一个长度远小于原DataFrame的Series），没法直接赋值给原DataFrame的新列。而transform('sum')会帮你把每个分组的求和结果，自动复制到该分组对应的每一行，正好满足你“把求和值放到每个符合条件的行”的需求。

修正后的完整代码 #

# 转换为日期时间格式
ZACKS_DH_df['year'] = pd.to_datetime(ZACKS_DH_df['div_ex_date']).dt.year
# 计算年度股息总和并复制到对应行
ZACKS_DH_df['annual_div'] = ZACKS_DH_df.groupby(['exchange', 'ticker', 'year'])['div_amt'].transform('sum')

这样运行后，annual_div列就会正确显示每个exchange+ticker+year组合对应的div_amt总和，并且每个符合条件的行都会填充这个值啦～

内容的提问来源于stack exchange，提问作者user3709511