如何在执行pd.merge内连接时对指定列进行求和？

我有两个DataFrame，需要执行内连接的同时对COUNT1和COUNT2两列进行求和。目前的实现代码如下：

df_res = df1.merge(df2,on=['G-S'], how='inner')
print(df_res)
df_res['COUNT1']=df_res['COUNT1_x']+df_res['COUNT1_y']
df_res['COUNT2']=df_res['COUNT2_x']+df_res['COUNT2_y']
df_res=df_res.drop(columns=['COUNT1_x', 'COUNT1_y','COUNT2_x','COUNT2_y'])

但我希望用一行代码完成合并+求和+删冗余列的操作，且只接受pd.merge()的实现方式，不考虑concat方案。

输入输出示例 #

df1

SOMEATT,COUNT1,COUNT2,G-S
B,53,31,SOMEVAL1
E,81,19,SOMEVAL1
L,90,20,SOMEVAL3
S,30,17,SOMEVAL2

df2

SOMENUMBER,COUNT1,COUNT2,G-S
1,50,19,SOMEVAL1
7,32,16,SOMEVAL2

期望输出

SOMENUMBER,SOMEATT,COUNT1,COUNT2,G-S
1,B,103,50,SOMEVAL1
1,E,131,38,SOMEVAL1
7,S,62,33,SOMEVAL2

一行代码解决方案 #

可以利用Pandas的链式调用，将合并、列求和赋值、删除冗余列的操作整合到一行：

df_res = df1.merge(df2, on=['G-S'], how='inner').assign(COUNT1=lambda x: x['COUNT1_x'] + x['COUNT1_y'], COUNT2=lambda x: x['COUNT2_x'] + x['COUNT2_y']).drop(columns=['COUNT1_x', 'COUNT1_y', 'COUNT2_x', 'COUNT2_y'])

这里通过.assign()方法在合并后的DataFrame上直接计算求和后的新列，再链式调用.drop()删除合并产生的冗余列，全程用一行代码完成所有操作，完全基于pd.merge()实现。

内容的提问来源于stack exchange，提问作者Sam