如何在DataFrame中生成指定条件下Revenue列求和的单行结果？

执行代码 df= df.loc[df['Week_Date'] == '2342',['Week_Date','Revenue']] 后，得到如下多行DataFrame：

尝试执行 df= df.loc[df['Week_Date'] == '2342',['Week_Date','Revenue']].sum() 仅返回求和数值55，期望生成如下单行DataFrame：

方法1：分组求和（推荐） #

通过groupby按Week_Date分组后对Revenue求和，直接得到目标格式：

df = df.loc[df['Week_Date'] == '2342', ['Week_Date', 'Revenue']].groupby('Week_Date').sum().reset_index()

• groupby('Week_Date')：以Week_Date为分组依据
• .sum()：对每组的Revenue字段求和
• .reset_index()：将分组字段从索引转回普通列，保持原数据结构

方法2：手动构造DataFrame #

先筛选目标数据并计算总和，再手动生成单行DataFrame：

# 筛选目标行
filtered_df = df.loc[df['Week_Date'] == '2342', ['Week_Date', 'Revenue']]
# 计算Revenue总和
total_revenue = filtered_df['Revenue'].sum()
# 构造目标DataFrame
df = pd.DataFrame({'Week_Date': ['2342'], 'Revenue': [total_revenue]})

方法3：自定义聚合 #

通过agg指定各列的聚合规则，生成单行结果：

df = df.loc[df['Week_Date'] == '2342', ['Week_Date', 'Revenue']].agg({
    'Week_Date': 'first',  # 取第一个值（所有值都是2342）
    'Revenue': 'sum'       # 求和
}).to_frame().T.reset_index(drop=True)

• .agg()：为不同列设置不同聚合逻辑
• .to_frame().T：将聚合得到的Series转为DataFrame并转置为行结构
• .reset_index(drop=True)：移除自动生成的索引列

内容的提问来源于stack exchange，提问作者Matt