Pandas DataFrame特定行数值合并：负年龄行bal值累加至同队列零年龄行

嘿，我来帮你搞定这个Pandas的需求！先给你整个示例场景，咱们一步步来操作，保证清晰易懂～

假设我们的原始DataFrame长这样：

import pandas as pd

df = pd.DataFrame({
    'cohort': ['A', 'A', 'A', 'B', 'B', 'B'],
    'age': [-1, 0, 2, -2, 0, 3],
    'bal': [100, 500, 300, 200, 600, 400]
})

这里每个队列（cohort）里有负年龄的行、年龄为0的行，还有正年龄的行，我们要把同队列里负年龄行的余额，全加到年龄为0的行的余额上，最后去掉负年龄的行。

1. 计算每个队列的负年龄余额总和 #

先把每个队列里所有age < 0的行的bal加总，得到每个队列对应的累计值：

# 筛选出age<0的行，按cohort分组求和
neg_bal_sum = df[df['age'] < 0].groupby('cohort')['bal'].sum()

这时候neg_bal_sum是一个Series，索引是cohort，值就是对应队列的负年龄余额总和，比如队列A是100，队列B是200。

2. 把累计值关联到原DataFrame #

给原DataFrame加一列，让每一行都能拿到自己所属队列的负年龄余额总和，没有的话填0：

# 用map匹配cohort对应的总和，fillna处理没有负年龄的队列
df['neg_bal_total'] = df['cohort'].map(neg_bal_sum).fillna(0)

3. 更新年龄为0的行的余额 #

对age == 0的行，把它的bal加上对应的负年龄余额总和；其他行的余额保持不变：

# 用apply逐行判断更新
df['bal'] = df.apply(
    lambda row: row['bal'] + row['neg_bal_total'] if row['age'] == 0 else row['bal'],
    axis=1
)

4. 整理最终结果 #

过滤掉所有age < 0的行，删掉我们临时加的辅助列，再重置索引：

# 过滤+删列+重置索引
result_df = df[df['age'] >= 0].drop('neg_bal_total', axis=1).reset_index(drop=True)

运行完上面的代码，result_df就是我们要的样式：

cohort  age  bal
0      A    0  600
1      A    2  300
2      B    0  800
3      B    3  400

如果你的原始数据里同一个队列有多个age=0的行，这个方法会给每个age=0的行都加上负年龄余额总和；要是你需要把总和合并到某一个age=0的行里，可以再调整分组逻辑，比如先按cohort和age分组求和，再处理就行～

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