合并DataFrame时对同名行的Integer列求和的实现方法

你的需求是按Name列匹配行，对指定的Integer列求和，同时保留仅出现在单个DataFrame中的行，且实际场景存在多列（含字符串、整数类型），需指定仅对目标列执行求和操作。以下是两种可行方法：

方法一：合并后分组（灵活适配多列场景） #

这是最通用的方案，支持自定义多列的聚合规则：

1. 先合并两个DataFrame：

import pandas as pd
df1 = pd.DataFrame({'Integer':(1,1,1,1),'Name':('John','Mary','Jason','Ruth')})
df2 = pd.DataFrame({'Integer':(2,2,2,2,2),'Name':('Rob','Jason','Mary','Mark','Leo')})

# 合并两个DataFrame，忽略原索引
combined_df = pd.concat([df1, df2], ignore_index=True)

2. 定义聚合规则：仅对Integer列求和，其他列（若存在）可根据需求指定保留逻辑（比如取首次出现的值）：

# 自定义聚合规则，key为列名，value为聚合方法
agg_rules = {
    'Integer': 'sum',
    # 示例：若有其他列，如字符串列'City'、数值列'Age'，可指定保留逻辑
    # 'City': 'first',
    # 'Age': 'first'
}

# 按Name分组聚合，不将Name设为索引
df3 = combined_df.groupby('Name', as_index=False).agg(agg_rules)

# 可选：重置索引并排序，与示例结果顺序对齐
df3 = df3.sort_values(by='Name').reset_index(drop=True)
print(df3)

输出结果：

Integer    Name
0        3   Jason
1        1    John
2        2     Leo
3        2    Mark
4        3    Mary
5        1    Ruth
6        2     Rob

方法二：外连接合并后求和（适合仅两表单列求和场景） #

如果仅需对Integer列求和，也可以用外连接合并后直接计算：

merged = df1.merge(df2, on='Name', how='outer', suffixes=('_df1', '_df2'))
# 对两表的Integer列求和，空值补0
merged['Integer'] = merged['Integer_df1'].fillna(0) + merged['Integer_df2'].fillna(0)
# 保留目标列并转换数据类型
df3 = merged[['Name', 'Integer']].astype({'Integer': int}).sort_values(by='Name').reset_index(drop=True)
print(df3)

补充说明 #

你提到的pd.concat([df1, df2]).groupby('Name', as_index=False).sum()仅返回共同行的情况，应该是操作失误——该代码实际会包含所有Name（包括仅出现在单个DataFrame的行），只是sum()会对所有数值列执行求和，不符合你“仅指定某列求和”的需求，因此需要用自定义聚合规则的方式替代。

内容的提问来源于stack exchange，提问作者Rafael Paulino