Pandas GroupBy能否将目标值单独分组，其余归为‘其他’组？

针对你需求的简洁Pythonic实现，用pandas可以直接通过分组列的转换来完成，无需拆分合并数据集：

步骤1：构造示例数据 #

import pandas as pd

df = pd.DataFrame({
    'Col-1': ['A', 'A', 'B', 'B', 'C'],
    'Col-2': [2, 3, 1, 4, 7]
})

方法1：新增分组列后聚合（直观易懂） #

用numpy.where快速替换非目标值为Other，再分组求和：

import numpy as np

# 生成分组标识
df['Group'] = np.where(df['Col-1'] == 'A', 'A', 'Other')
# 分组聚合
result = df.groupby('Group')['Col-2'].sum()

方法2：直接在groupby中转换（更简洁，无需新增列） #

利用apply或mask直接在分组逻辑里处理，一步到位：

# 方式A：lambda表达式
result = df.groupby(df['Col-1'].apply(lambda x: x if x == 'A' else 'Other'))['Col-2'].sum()

# 方式B：pd.Series.mask
result = df.groupby(df['Col-1'].mask(df['Col-1'] != 'A', 'Other'))['Col-2'].sum()

最终输出结果 #

无论哪种方法，都会得到：

Group
A        5
Other    12
Name: Col-2, dtype: int64

这些方法通过直接转换分组维度，避免了拆分合并的繁琐操作，完全符合Pythonic的简洁高效原则。

内容的提问来源于stack exchange，提问作者Jason