如何按Hostname和Slot分组对Pandas DataFrame的Reserved列求和？

问题场景 #

现有如下Pandas DataFrame：

print(df)
# Hostname  Slot Port Reserved
# Server1     1    1    0
# Server1     1    2    0
# Server1     2    3    1
# Server2     2    1    1
# Server2     2    2    0
# Server2     2    3    1
# Server3     1    1    0
# Server3     2    2    0
# Server3     3    3    1

需要实现按Hostname和Slot分组，对Reserved列求和，期望输出：

Hostname  Slot  Total_Reserved
Server1     1      1   
Server2     2      2  
Server3     1      1  

尝试了以下代码但未得到预期结果：

new_df = df.groupby(['Hostname', 'Slot', 'Reserved']).sum()

问题分析 #

你错误地将Reserved也加入了分组键，这会让Pandas按Hostname+Slot+Reserved的唯一组合进行分组，而不是对Reserved列求和。比如Server1的Slot1下有两行Reserved=0，分组后会单独成组，求和结果仍为0，完全不符合需求。

正确实现 #

方法1：指定目标列求和并重置索引 #

只将Hostname和Slot作为分组键，单独对Reserved列求和，最后通过reset_index将分组键转为普通列，同时重命名求和后的列：

new_df = df.groupby(['Hostname', 'Slot'])['Reserved'].sum().reset_index(name='Total_Reserved')

方法2：使用聚合函数重命名列 #

通过agg方法直接指定聚合规则和新列名，再重置索引：

new_df = df.groupby(['Hostname', 'Slot']).agg(Total_Reserved=('Reserved', 'sum')).reset_index()

说明 #

注：根据原始数据计算，Server1 Slot1的Reserved求和结果应为0，Server3 Slot1的求和结果也为0，Server3 Slot3的求和结果为1。你给出的期望结果可能存在笔误，但上述代码完全符合「按Hostname+Slot对Reserved求和」的逻辑。

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