如何在GroupBy中独立聚合字符串字段并关联其他统计结果

我有如下数据：

df1 #

df2 #

我期望得到如下格式的结果：

我尝试了以下代码：

df = df1.merge(df2, how='inner', on='Store')
df_stats = df.groupby(['Store']).agg({"Sold_Item": np.count, "Price": 'sum'})

但不知道如何处理Owner字段，恳请提供解决方案。

要实现目标格式，可按以下步骤操作：

• 清理并计算门店销售统计：先修正df2中可能的门店名称错误（最后一行Store应为Store2，否则会被过滤），再按门店聚合计算销售数量和营收：

import pandas as pd
import numpy as np

# 修正df2的门店名称错误（按需调整）
df2.loc[df2['Store（门店）'] == 'Store', 'Store（门店）'] = 'Store2'

# 计算每个门店的销售统计
store_stats = df2.groupby('Store（门店）').agg(
    Num_Sales=('Sold_Item（售出商品）', 'count'),
    Revenue=('Price（价格）', 'sum')
).reset_index()

• 合并店主与统计数据并处理格式：将店主表和统计表关联，然后让同一门店仅第一行显示门店名称，其余行留空：

# 合并数据
result = df1.merge(store_stats, on='Store（门店）', how='left')

# 处理门店列：重复门店名置空
result['Store（门店）'] = result['Store（门店）'].mask(result['Store（门店）'].duplicated(), '')

# 重命名列匹配期望结果
result = result.rename(columns={'owner（店主）': 'Owners（店主）'})

• 调整列顺序：

# 调整为目标列顺序
result = result[['Store（门店）', 'Owners（店主）', 'Num_Sales（销售数量）', 'Revenue（营收）']]

运行后得到的result就完全符合你想要的格式。如果df2中Store是有效门店名，由于df1中无对应店主，inner join后会被排除，不影响现有门店的结果。

内容的提问来源于stack exchange，提问作者swygerts