获取分组DataFrame的累计和并合并不同行的关联信息

原始数据 #

import numpy as np
import pandas as pd

data1 = {
    'Product': ['Product1', 'Product2', 'Product3', 'Product1', 'Product1', 'Product1','Product1', 'Product4', 'Product5', 'Product6'],
    'Name': ['Bayer', 'Sanofi', 'Pfizer', 'Bayer', 'Bayer', 'Bayer' ,'AstraZeneca', 'Company1', 'Company2', 'Company2'],
    'Region': ['Europe', 'Europe', 'Asia', np.nan, np.nan, np.nan, np.nan, 'Asia', np.nan, np.nan],
    'Country': ['France', np.nan, np.nan, np.nan, np.nan, np.nan, 'India', 'Indonesia', np.nan, np.nan],
    'Amount': [910, 200, 898, 12, 50, 13, 52, 250,260,270],
}

df1 = pd.DataFrame(data1)

需求说明 #

按Product和Name分组，计算每组Amount的累计总额；每个Product-Name组合仅保留一行，同时整合该组合下Region和Country的非空信息。

当前问题 #

使用transform(pd.Series.cumsum)会保留所有行，无法满足单组单行的要求，且无法处理非数值类型的非空信息整合。

期望输出 #

Product         Name  Region    Country  Amount  Cumsum orders
0  Product1        Bayer  Europe        France      13            985
6  Product1  AstraZeneca     NaN      India      52             52
1  Product2       Sanofi  Europe        NaN     200            200   
2  Product3       Pfizer    Asia        NaN     898            898
7  Product4     Company1    Asia  Indonesia     250            250
8  Product5     Company2     NaN        NaN     260            260
9  Product6     Company2     NaN        NaN     270            270 

解决方案 #

通过groupby结合自定义聚合函数实现，针对不同列设置不同聚合逻辑：

def get_first_non_null(series):
    non_null_vals = series.dropna()
    return non_null_vals.iloc[0] if not non_null_vals.empty else np.nan

# 分组聚合
result_df = df1.groupby(['Product', 'Name'], as_index=False).agg(
    Region=('Region', get_first_non_null),
    Country=('Country', get_first_non_null),
    Amount=('Amount', 'last'),  # 取每组最后一行的Amount值，匹配示例展示
    Cumsum_orders=('Amount', 'sum')  # 组内总额就是累计到最后一行的和
)

# 调整列顺序与期望输出一致
result_df = result_df[['Product', 'Name', 'Region', 'Country', 'Amount', 'Cumsum_orders']]
print(result_df)

逻辑说明 #

• get_first_non_null：提取每组中Region/Country的第一个非空值，完成信息整合
• Amount用last取组内最后一行数值，对应示例中的展示形式
• Cumsum_orders直接用sum计算组内总额，等价于累计到最后一行的结果
• as_index=False保证分组键保留为列，维持DataFrame结构

内容的提问来源于stack exchange，提问作者Paul G.