基于指定列值合并DataFrame行并求和的通用方法

解决思路 #

先将Col2中值为2的行替换为1，保留其他值不变；再以所有分组列（如Col1及其他同类型列）+ 处理后的Col2作为分组依据，对所有数值列执行求和操作。这个逻辑能直接适配多分组列、多数值列的通用场景，避免复杂的条件分组问题。

代码实现 #

假设你的DataFrame名为df，以下是可直接复用的代码：

import pandas as pd

# 示例输入数据（可替换为你的真实数据）
df = pd.DataFrame({
    'Col1': ['A', 'A', 'B', 'B', 'B'],
    'Col2': [1, 2, 1, 2, 3],
    'Value': [1, 1, 2, 2, 3],
    # 可添加更多分组列/数值列测试通用性
    'Col3': ['X', 'X', 'Y', 'Y', 'Y'],
    'Value2': [5, 5, 6, 6, 7]
})

# 步骤1：统一Col2取值——将2替换为1，其余值保留
df['Col2'] = df['Col2'].replace(2, 1)

# 步骤2：定义分组列（所有类似Col1的分组维度）
# 方式1：自动排除数值列，适用数值列明确的场景
numeric_cols = ['Value', 'Value2']  # 替换为你的所有数值列名
group_cols = [col for col in df.columns if col not in numeric_cols]

# 方式2：手动指定分组列，更精准可控
# group_cols = ['Col1', 'Col3', 'Col2']

# 步骤3：分组求和，as_index=False保留原始列结构
result_df = df.groupby(group_cols, as_index=False).sum()

print(result_df)

示例输出 #

针对你提供的基础输入，运行后输出为：

Col1 Col2 Value
0    A    1     2
1    B    1     4
2    B    3     3

若添加了额外的分组列和数值列，会自动适配聚合逻辑，输出示例：

Col1 Col3 Col2  Value  Value2
0    A    X    1      2      10
1    B    Y    1      4      12
2    B    Y    3      3       7

方案通用性说明 #

• 多分组列适配：无论有多少个类似Col1的分组维度，只需将其加入group_cols即可，聚合逻辑无需调整。
• 多数值列适配：groupby().sum()会自动对所有非分组列的数值型列求和，无需逐个指定数值列。
• 逻辑简洁：先统一目标列取值再分组，避开了复杂的条件分组判断，解决你之前用groupby未成功的问题。

内容的提问来源于stack exchange，提问作者T C Molenaar