基于条件为排序后的DataFrame新增result列并合并同名值

嘿，这个需求其实用Pandas的内置方法就能轻松搞定，不用写复杂的循环逻辑。咱们直接上代码，再解释细节：

核心代码 #

假设你的DataFrame变量名为df，执行以下代码就能得到想要的结果：

# 按name分组计算对应valor的总和，并映射回原DataFrame的每一行
df['result'] = df.groupby('name')['valor'].transform('sum')

为什么这么做？ #

• groupby('name')：把整个DataFrame按照name列的值分成不同的组，比如所有ACC的行是一组，ACE的行是另一组，以此类推。
• transform('sum')：这个方法的妙处在于，它会计算每个分组里valor列的总和，然后把这个总和赋值给该分组的每一行——正好对应你要的“当前行与后续同name行的valor相加”的需求，本质就是同一name下所有valor的累加值。

验证你的示例数据 #

用你的测试数据跑这个代码，得到的结果会是：

完全符合你的需求，而且这个方法效率很高，哪怕你的DataFrame有几万行，也能快速处理，比手动遍历行的方式快得多。

内容的提问来源于stack exchange，提问作者JamesHudson81