如何遍历DataFrame，将同商品总数量归集至首个出现的门店？

示例数据 #

先构造一个符合场景的DataFrame用于演示：

import pandas as pd

data = {
    'Store': ['A', 'B', 'A', 'C', 'B'],
    'Item': ['Fish', 'Fish', 'Beef', 'Beef', 'Chicken'],
    'Qty': [10, 6, 8, 5, 3]
}
df = pd.DataFrame(data)

方法一：保留所有行，仅首次出现的门店显示总数量 #

这种方式保留原DataFrame的所有行，但仅每个商品首次出现的门店行显示总数量，其余同商品行的数量设为0：

# 1. 计算每个商品的总数量
item_totals = df.groupby('Item')['Qty'].sum()

# 2. 标记每个商品的首次出现行
df['is_first'] = ~df.duplicated('Item', keep='first')

# 3. 更新数量：首次行用总数量，其他行设为0
df['Qty'] = df.apply(lambda row: item_totals[row['Item']] if row['is_first'] else 0, axis=1)

# 可选：删除标记列
df = df.drop('is_first', axis=1)

执行后结果：

方法二：仅保留每个商品首次出现的门店行，数量替换为总和 #

如果不需要保留多余行，只保留每个商品首次出现的门店，并将数量更新为该商品的总数量：

# 1. 计算每个商品的总数量
item_totals = df.groupby('Item')['Qty'].sum()

# 2. 获取每个商品首次出现的行（保留原顺序）
result_df = df.groupby('Item').head(1).copy()

# 3. 将数量替换为总数量
result_df['Qty'] = result_df['Item'].map(item_totals)

执行后结果：

关键说明 #

• 两种方法都依赖原DataFrame的顺序判断“首次出现”，不要提前排序，否则会改变首次出现的门店。
• duplicated('Item', keep='first')标记除首次出现外的所有重复商品行，取反后即为首次出现的行。
• groupby('Item').head(1)直接提取每个商品在原DataFrame中第一次出现的行。

内容的提问来源于stack exchange，提问作者Leonardo Nascimento