基于其他列索引对列值求和并分配至每行：篮球数据集团队投篮数统计

嘿，我来帮你搞定这个需求！咱们完全不用给单个球员写重复的统计代码，靠分组聚合+合并的思路就能轻松实现，下面分工具给你演示——先讲最常用的Python Pandas，再补个SQL写法，你按需取用就行：

一、用Python Pandas实现（最适合数据分析场景） #

步骤1：先把示例数据转换成DataFrame #

import pandas as pd

# 你的示例数据集
data = {
    'Player_ID': [1, 2, 3, 4, 2, 3],
    'Team': ['Red', 'Blue', 'Red', 'Blue', 'Blue', 'Red'],
    'Shot_Count': [14, 12, 23, 15, 14, 23],
    'Date': ['12/15/12', '2/14/12', '12/15/12', '3/15/12', '5/2/12', '11/11/12']
}

df = pd.DataFrame(data)

步骤2：按球队计算总投篮次数 #

用groupby按Team分组求和，直接得到每个球队的总投篮数，不用管单个球员：

# 分组求和并重命名列，方便后续区分
team_total = df.groupby('Team')['Shot_Count'].sum().reset_index()
team_total.rename(columns={'Shot_Count': 'Team_Total_Shots'}, inplace=True)

步骤3：合并回原数据集 #

把球队总投篮数和原表关联，这样每一行都会带上对应球队的总次数，同时保留所有原字段：

result_df = pd.merge(df, team_total, on='Team', how='left')

最终输出结果 #

result_df就是你要的格式，新增的Team_Total_Shots列会对应每一行的球队总投篮数：

二、用SQL实现（如果数据存在数据库里） #

逻辑和Pandas完全一致，先分组求和再关联原表：

SELECT 
    t1.Player_ID,
    t1.Team,
    t1.Shot_Count,
    t1.Date,
    t2.Team_Total_Shots
FROM your_table_name t1
LEFT JOIN (
    -- 子查询计算各球队总投篮数
    SELECT Team, SUM(Shot_Count) AS Team_Total_Shots
    FROM your_table_name
    GROUP BY Team
) t2 ON t1.Team = t2.Team;

为啥这个方法靠谱？ #

• 完全不用针对单个球员写重复代码，所有统计逻辑都是按团队批量处理的，哪怕新增球员/球队，代码也不用改
• 全程基于现有列计算，没有额外的复杂操作，效率拉满
• 合并/关联操作保证了原数据的完整性，所有字段都能保留

内容的提问来源于stack exchange，提问作者klassic123