Pandas groupby在DataFrame为空时丢失列，如何保留指定列？

执行df2=df[["A", "B"]].groupby(["A"]).sum()时，若原df无数据行，分组结果会丢失所有列。以下几种方法能确保空数据场景下仍保留B列：

方法1：as_index=False+强制列重定向 #

让分组结果不将A设为索引，再强制保留目标列结构：

df2 = df[["A", "B"]].groupby("A", as_index=False).sum()
# 不管结果是否为空，强制保留A、B列
df2 = df2.reindex(columns=["A", "B"])

方法2：预定义空模板合并结果 #

先创建符合预期列结构的空DataFrame，再和分组结果合并，保证列不丢失：

# 先定义目标列的空模板
template = pd.DataFrame(columns=["A", "B"])
df2 = df[["A", "B"]].groupby("A").sum().reset_index()
# 合并模板确保列结构完整
df2 = pd.concat([template, df2], ignore_index=True)

方法3：指定聚合列并判断补全 #

明确指定聚合B列，若结果为空则手动构造列结构：

df2 = df[["A", "B"]].groupby("A").agg(B_sum=("B", "sum")).reset_index()
# 重命名回原列名
df2 = df2.rename(columns={"B_sum": "B"})
# 空结果时补全列
if df2.empty:
    df2 = pd.DataFrame(columns=["A", "B"])

方法4：针对分类列用observed=False #

如果A列是分类类型，可通过observed=False强制保留分类维度，即使无对应数据：

# 先将A设为分类类型
df["A"] = df["A"].astype("category")
df2 = df[["A", "B"]].groupby("A", observed=False).sum()

这种方式下，即使原df为空，df2会保留A的所有预设分类值和B列，对应值为0。

内容的提问来源于stack exchange，提问作者Dominik Lisiakiewicz