如何对DataFrame中含Identified的行数值求和并合并对应行？

原始DataFrame #

目标DataFrame #

实现代码 #

用Pandas的字符串匹配结合分组聚合即可完成需求：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'Sample': ['S1', 'S1', 'S1'],
    'Value': [12, 25, 18],
    'Domain': ['Domain_Identified_X13_A', 'Domain_Identified_X28_B', 'Domain_Unidentified']
})

# 统一分组规则：含"Identified"的Domain替换为统一名称，其余保留原值
df['Grouped_Domain'] = df['Domain'].apply(lambda x: 'Domain_Identified' if 'Identified' in x else x)

# 按Sample和分组后的Domain聚合求和
result_df = df.groupby(['Sample', 'Grouped_Domain'], as_index=False)['Value'].sum()

# 重命名列名匹配目标格式
result_df = result_df.rename(columns={'Grouped_Domain': 'Domain'})

print(result_df)

代码说明 #

1. 用apply结合lambda表达式快速完成Domain列的分组标记，把所有包含"Identified"的条目统一替换为目标名称
2. 以Sample和分组后的Domain为维度，对Value列做求和聚合
3. 最后调整列名，得到完全符合需求的结果

内容的提问来源于stack exchange，提问作者eraysahin