Pandas GroupBy：仅对部分记录执行聚合操作的实现问题

没问题，这个需求很容易实现，只需要在计算total_duration时加入条件过滤就行啦！

修改后的代码 #

import pandas as pd

# 先还原你的原始DataFrame示例
df = pd.DataFrame({
    'id': ['001', '001', '001', '002', '002'],
    'src': ['A', 'B', 'C', 'B', 'C'],
    'target': ['C', 'C', 'C', 'D', 'D'],
    'duration': [4, 3, 2, 5, 2]
})

# 调整后的聚合逻辑
df_new = df.groupby(['id','target']) \
 .apply(lambda x: pd.Series({
     'min_duration': min(x['duration']),
     # 核心修改：只对src≠target的记录求和
     'total_duration': sum(x['duration'][x['src'] != x['target']]),
     'all_src': list(x['src'])
 })).reset_index()

print(df_new)

关键说明 #

• 核心改动在total_duration的计算：x['duration'][x['src'] != x['target']]会先筛选出当前分组里src和target不相等的行，再对这些行的duration求和。
• 如果需要min_duration也只考虑src≠target的记录，同样可以套用过滤逻辑：min(x['duration'][x['src'] != x['target']])。

运行结果 #

执行后得到的df_new会符合你的预期：

id target  min_duration  total_duration    all_src
0  001      C             2               7  [A, B, C]
1  002      D             2               7     [B, C]

比如id=001、target=C的分组里，total_duration只计算了A→C和B→C的时长（4+3=7），自动排除了C→C的那条记录。

内容的提问来源于stack exchange，提问作者Edamame