Python Pandas：按A、B分组并针对E各值汇总C、D的优化方案

你可以直接通过多层分组的方式一次性完成计算，完全不需要循环，性能和代码简洁性都能得到大幅提升：

核心实现代码 #

# 一次性按A、B、E分组，对C、D列求和
grouped_sum = df.groupby(['A', 'B', 'E'])[['C', 'D']].sum()

后续按需提取结果 #

如果需要单独获取某个E值对应的A、B分组求和结果，直接用索引提取即可：

# 获取E=目标值的分组求和结果
specific_e_result = grouped_sum.xs('目标E值', level='E')

如果需要把所有E值对应的结果分别存入字典，用字典推导式快速生成：

e_results = {e: grouped_sum.xs(e, level='E') for e in df['E'].unique()}

为什么这方法更优 #

• 性能更高：避免了循环中重复的DataFrame切片和分组操作，pandas一次性完成所有分组计算，数据量越大优势越明显
• 结构规整：得到的多层索引结果便于后续的筛选、合并等操作
• 代码简洁：一行核心代码替代循环逻辑，可读性更强

内容的提问来源于stack exchange，提问作者MBlrd