基于col1和col2合并两个DataFrame并对多列求和遇重复问题

你遇到的重复分组问题，核心原因是用于分组的col1/col2列存在隐形差异，比如：

• col1字符串前后有空格（比如df1里是"aaa "，df2里是"aaa"）
• col2数据类型不一致（比如一个是字符串"2020"，一个是数字2020）
• 大小写不一致（比如"AAA"和"aaa"）

解决步骤： #

1. 先清洗数据，消除隐形差异

# 处理df1：去除字符串列空格、统一类型
df1['col1'] = df1['col1'].str.strip()
df1['col2'] = df1['col2'].astype(int)

# 处理df2：同样操作
df2['col1'] = df2['col1'].str.strip()
df2['col2'] = df2['col2'].astype(int)

2. 重新执行分组求和

df = pd.concat([df1, df2]).groupby(['col1', 'col2'], as_index=False).sum()

执行后就能得到预期结果：

col1  col2  col3  col4  col5
0  aaa  2020  14.6   7.6  12.7
1  bbb  2019   4.5  10.4  17.6
2  ccc  2020   9.2  10.1   7.7

备选方案：直接合并后逐列求和 #

如果确定两个DataFrame的col1+col2组合完全匹配，也可以用merge的方式直接相加，更直观：

# 按分组键合并两个df，区分来自不同df的列
merged_df = pd.merge(df1, df2, on=['col1', 'col2'], suffixes=('_df1', '_df2'))

# 对目标列求和
for col in ['col3', 'col4', 'col5']:
    merged_df[col] = merged_df[f'{col}_df1'] + merged_df[f'{col}_df2']

# 提取最终结果列
result_df = merged_df[['col1', 'col2', 'col3', 'col4', 'col5']]

这个方法的优势是：如果存在不匹配的分组键，会直接显示NaN，方便快速排查数据问题。

内容的提问来源于stack exchange，提问作者anagha s