按变量类别汇总两个DataFrame数值至新DataFrame的实现问题

别着急，我来帮你搞定这个问题！用Pandas可以轻松实现按类别对数值观测进行分组求和，下面我用示例代码一步步拆解：

1. 先模拟你的两个DataFrame #

首先我们先创建和你需求匹配的示例数据，方便你对照理解：

import pandas as pd

# 第一个DataFrame：包含变量的数值观测（4行，对应你要的4行结果）
df_values = pd.DataFrame({
    'var_a': [12, 24, 36, 48],
    'var_b': [7, 14, 21, 28],
    'var_c': [9, 18, 27, 36],
    'var_d': [5, 10, 15, 20]
})

# 第二个DataFrame：定义每个变量对应的类别
df_categories = pd.DataFrame({
    'category': ['red', 'blue', 'red', 'green']
}, index=['var_a', 'var_b', 'var_c', 'var_d'])

2. 核心：按类别分组求和 #

只需要一行关键代码，就能完成按类别对每行数值求和的操作：

# 按列的类别分组，逐行求和
df_result = df_values.groupby(df_categories['category'], axis=1).sum()

# （可选）如果需要固定列的顺序为red、blue、green，可手动指定
df_result = df_result[['red', 'blue', 'green']]

3. 查看结果 #

运行后df_result就是你要的新DataFrame：

red  blue  green
0   21     7      5
1   42    14     10
2   63    21     15
3   84    28     20

原理说明 #

• groupby(df_categories['category'], axis=1)：指定按列的类别进行分组（axis=1代表列维度），这里用df_categories的category列作为分组依据，它的索引正好和df_values的列名一一对应，完美匹配变量和类别的映射关系。
• .sum()：对每个类别下的所有列，逐行计算总和，自动生成以类别名为列的新DataFrame。

如果你的实际数据结构和示例略有不同（比如类别映射不是以变量名为索引），只需要先调整一下映射关系，确保分组依据能和数值DataFrame的列名对应上就行啦！

内容的提问来源于stack exchange，提问作者DeduciveR