創建新列的有效方法是按另一列分組的唯一值的總和？

Question

我有一個具有名稱和大小列的數據框。 我需要創建一個新列（size_total），它是按名稱列分組的所有唯一大小值的總和。

df = pd.DataFrame([     
    {'sp': 'A', 'size': 25},     
    {'sp': 'B', 'size': 26},     
    {'sp': 'C', 'size': 27},     
    {'sp': 'A', 'size': 25},     
    {'sp': 'B', 'size': 42},     
    {'sp': 'C', 'size': 27},     
    {'sp': 'A', 'size': 25},     
    {'sp': 'B', 'size': 32},     
    {'sp': 'C', 'size': 33}])

df['size_total'] = df['sp'].map(df[['sp', 'size']].drop_duplicates(keep='first').groupby('sp').sum()['size'])

有沒有更有效的方法來做到這一點？

Answer 1

如果首先將“sp”設置為索引，則可以通過使pandas進行映射來減少原始解決方案中約30％的時間。

df.set_index(df['sp'].values, inplace=True)
df['size_total'] = (
    df.drop_duplicates(['sp', 'size']).groupby('sp')['size'].sum(level=0))