如何在Pandas中按客户和金属对多列分组求和？

当然有，Pandas的groupby()配合sum()就是最简便高效的方法，完全不需要遍历行，天生支持多列求和，完美适配大型数据集。

核心用法 #

1. 对所有数值列求和
   直接按customer和metal分组后调用sum()，Pandas会自动对分组内的所有数值型列执行求和操作：

   # 假设你的数据集存储在df变量中
   grouped_result = df.groupby(['customer', 'metal']).sum().reset_index()
   

   这里的reset_index()是把分组的键（customer和metal）从索引变回普通列，和目标输出的结构一致。

2. 对指定列求和
   如果只需要对部分列求和，直接在groupby()后指定目标列即可：

   # 比如只对quantity和weight列求和
   grouped_result = df.groupby(['customer', 'metal'])[['quantity', 'weight']].sum().reset_index()
   

说明 #

这种方式是Pandas内置的向量化操作，底层用C实现，比手动遍历行快几个数量级，完全适合处理大型数据集。你担心的“多列求和”正是sum()的默认行为——它不会只处理单列，只要是数值型列都会被自动计算。

内容的提问来源于stack exchange，提问作者William