如何标准化Name列后用pandas groupby求和合并重复项？

先看示例场景，假设你的原始DataFrame是这样的：

import pandas as pd

df = pd.DataFrame({
    'Name': ['Michael', 'Michael ()', 'Sarah', 'Sarah - (0)'],
    'Fee': [3, 4, 6, 4]
})

直接用groupby('Name')会因为名称后缀的差异导致分组失败，核心解决思路是先清理Name列的冗余后缀，再进行分组求和。

步骤1：清理Name列 #

用正则表达式匹配并移除名称后面的冗余内容（空格、括号、短横线及后续字符）：

# 移除空格及之后的所有冗余，得到干净的名称
df['Cleaned_Name'] = df['Name'].str.replace(r'\s.*', '', regex=True)

如果遇到不带空格的冗余（比如Michael(0)、Sarah-1），可以用更通用的正则覆盖这类场景：

# 匹配短横线、空格、左括号开头的后续内容并移除
df['Cleaned_Name'] = df['Name'].str.replace(r'[-\s(].*', '', regex=True)

步骤2：分组求和 #

基于清理后的列分组计算Fee总和，还可以重命名列还原成原名称：

# 分组求和
df2 = df.groupby('Cleaned_Name')['Fee'].sum().reset_index()
# 重命名列名
df2 = df2.rename(columns={'Cleaned_Name': 'Name'})

最终得到的结果就是你预期的：

Name  Fee
0   Michael    7
1     Sarah   10

内容的提问来源于stack exchange，提问作者PurpleCops