如何在Pandas中对重名列求和并保留指定分组列？

你之前的代码报错是因为参数使用错误：groupby(cols, level=1, axis=1)中，axis=1表示按列分组，但cols是行维度的列名，并非列的分组依据；同时你的列名只有一级索引，level=1会导致索引越界。

正确实现步骤 #

无需复杂的行分组，只需针对重复列名的数值列按列名求和，同时保留非聚合列：

import pandas as pd

# 构建示例DataFrame
data = {
    'Server': ['server1']*5 + ['server2']*3,
    'Model': ['Cisco']*5 + ['IBM']*3,
    'Slot': [1,2,3,4,8,5,8,9],
    'Count40G': [10,5,20,0,0,10,5,0],
    'Count40G': [5,0,0,1,10,1,0,5]
}
df = pd.DataFrame(data)

# 1. 定义不需要聚合的列
non_agg_cols = ['Server', 'Model', 'Slot']
# 2. 提取需要聚合的数值列，按列名分组求和
aggregated_cols = df.drop(non_agg_cols, axis=1).groupby(level=0, axis=1).sum()
# 3. 合并非聚合列和聚合结果
result = pd.concat([df[non_agg_cols], aggregated_cols], axis=1)

print(result)

代码说明 #

• df.drop(non_agg_cols, axis=1)：剔除不需要聚合的列，仅保留需合并的重复数值列。
• groupby(level=0, axis=1).sum()：按列名（你的列索引仅一级，所以用level=0）分组，对每行的同列名数值求和。
• pd.concat：将保留的非聚合列与求和后的数值列拼接，得到最终结果。

扩展场景适配 #

如果存在多个重复列名（比如Count40G、Count10G各重复多次），该方法依然适用，groupby(level=0, axis=1)会自动对所有同名列分别完成求和。

内容的提问来源于stack exchange，提问作者user1471980