如何用Pandas根据原列表正负值条件生成目标DataFrame

嘿，你已经完成了前期的准备工作，剩下的填充步骤其实很简单，只需要根据原数据的正负性，用loc方法给finalDataFrame的对应位置赋值就行啦。我帮你把完整的代码整理出来，还修正了一点点小细节：

import pandas as pd

# 原始列表
orig = [2, 3, 4, -5, -6, -7]

# 转换为DataFrame
raw = pd.DataFrame(orig, columns=['raw'])

# 计算正值总和（明确指定列，确保得到单个数值而非Series）
sum_pos = raw[raw['raw'] > 0]['raw'].sum()

# 计算负值绝对值总和
sum_neg = -raw[raw['raw'] < 0]['raw'].sum()

# 创建空的final DataFrame
final = pd.DataFrame(index=raw.index, columns=['final'])

# 根据正负条件填充对应总和
final.loc[raw['raw'] > 0, 'final'] = sum_pos
final.loc[raw['raw'] < 0, 'final'] = sum_neg

# 查看结果
print(final['final'].tolist())  # 输出: [9, 9, 9, 18, 18, 18]

小细节说明： #

• 计算sum_pos和sum_neg时，特意指定了['raw']列，这样得到的是单个整数，而非Pandas的Series对象，避免后续赋值时可能出现的匹配问题。
• 使用loc可以精准定位到满足条件的行，直接赋值对应的总和，逻辑清晰又高效。

如果你想更简洁一点，其实可以跳过创建空DataFrame的步骤，直接用np.where生成结果列：

import pandas as pd
import numpy as np

orig = [2, 3, 4, -5, -6, -7]
raw = pd.DataFrame(orig, columns=['raw'])
sum_pos = raw[raw['raw'] > 0]['raw'].sum()
sum_neg = -raw[raw['raw'] < 0]['raw'].sum()

# 直接生成final列
raw['final'] = np.where(raw['raw'] > 0, sum_pos, sum_neg)
print(raw['final'].tolist())  # 同样得到[9, 9, 9, 18, 18, 18]

两种方式都能达到你想要的效果，看你习惯哪种写法啦~

内容的提问来源于stack exchange，提问作者dayum