如何使用Pandas对DataFrame分组后仅对指定单列求和？

你的问题核心是按Product分组后，仅对Q-ty求和，同时保留每个Product对应的唯一Price值，而默认的sum()会对所有数值列执行求和操作，这就是Price被错误累加的原因。下面提供两种简单可行的方法：

方法1：使用agg()指定各列的聚合规则 #

因为每个Product对应的Price是固定的，所以我们可以对Price列使用取第一个值、均值、最大值或最小值（结果都一样），同时对Q-ty列求和：

import pandas as pd

# 构造你的DataFrame
df = pd.DataFrame({
    'Product': ['Product A', 'Product B', 'Product B', 'Product A'],
    'Q-ty': [5, 1, 2, 1],
    'Price': [10, 3, 3, 10]
})

# 分组聚合
result = df.groupby('Product').agg(
    Q_ty_sum=('Q-ty', 'sum'),
    Price=('Price', 'first')  # 用'mean'/'max'/'min'也可以，因为同Product的Price一致
).reset_index()

# 重命名列名匹配原格式（可选）
result.rename(columns={'Q_ty_sum': 'Q-ty'}, inplace=True)
print(result)

输出结果：

Product  Q-ty  Price
0  Product A     6     10
1  Product B     3      3

方法2：修正你之前尝试的多列分组 #

你之前用groupby(['Product','Price'])['Q-ty'].sum()的思路是对的，只是缺少了重置索引的步骤，导致Product和Price变成了多级索引，看起来结构不符合预期。只需要加上reset_index()即可：

result = df.groupby(['Product', 'Price'])['Q-ty'].sum().reset_index()
print(result)

这个方法的逻辑是：因为同一个Product的Price完全相同，所以按Product+Price分组后，对Q-ty求和，最后重置索引把分组列变回普通列，就能得到你想要的结果。

为什么原代码不符合预期？ #

当你执行df.groupby(['Product']).sum()时，Pandas会自动识别所有数值类型的列（这里Q-ty和Price都是数值列），并对每一列执行求和操作，所以Price被错误地累加了（10+10=20，3+3=6），这就偏离了你的需求。

内容的提问来源于stack exchange，提问作者Rafal