如何使用Pandas的groupby对连续重复行按列求和？

核心思路 #

要实现对连续重复的type行按value列求和，关键是先生成一个「连续分组标识」——给每一段连续相同的type分配唯一组号，再用这个标识分组求和。

分步实现 #

1. 创建示例DataFrame

import pandas as pd

data = {
    'type': ['profit', 'profit', 'loss', 'profit', 'profit', 'loss', 'loss', 'loss'],
    'value': [11, 10, -5, 50, 15, -30, -25, -10]
}
df = pd.DataFrame(data)

2. 生成连续分组标识
   通过对比当前行与上一行的type是否不同，累计生成组号：

group_ids = df['type'].ne(df['type'].shift()).cumsum()

这段代码会输出：[1,1,2,3,3,4,4,4]，对应每一段连续的type组。

3. 分组求和并整理结果
   用生成的组号分组，提取每组的type（取第一个即可，同组type一致），对value求和：

result = df.groupby(group_ids).agg(
    type=('type', 'first'),
    grand=('value', 'sum')
).reset_index(drop=True)

最终结果 #

type  grand
0  profit     21
1    loss     -5
2  profit     65
3    loss    -65

对您之前代码的说明 #

您之前使用cumcount()是统计每组内的行数，换成sum()就能得到每组的求和值。核心区别是：直接按type分组会合并所有相同type的行（不管是否连续），而用「连续分组标识」才能只合并连续重复的行。

内容的提问来源于stack exchange，提问作者Mohamed Abbase