Pandas Groupby后列意外丢失：Balance Summary Info列消失原因及解决方法

为什么Balance Summary Info列消失？ #

你用agg("sum")这种全局聚合方式时，Pandas会自动根据列的数据类型判断是否执行聚合：

• 数值型列（比如Total Invoice Amount ($)、Revenue、EBITDA）能正常执行求和，所以会保留在结果里
• Balance Summary Info大概率是字符串或文本类型，无法执行sum操作，因此被自动排除出结果集

如何保留该列？ #

不能再用全局的"sum"聚合，得给不同列指定对应的聚合规则，以下是几种实用方案：

方案1：保留每组的首个（或最后一个）值 #

如果同一客户组内的Balance Summary Info内容一致，直接取组内第一个或最后一个值即可：

mydf = mydf.groupby([Customer_ID, Customer_Name]).agg(
    {
        "Balance Summary Info": "first",  # 换成"last"就是取组内最后一个值
        "Total Invoice Amount ($)": "sum",
        "Revenue": "sum",
        "EBITDA": "sum"
    }
).reset_index()

方案2：合并同组内的所有文本内容 #

如果同一客户组内的Balance Summary Info有不同内容，想合并成一个字符串：

mydf = mydf.groupby([Customer_ID, Customer_Name]).agg(
    {
        "Balance Summary Info": lambda x: ", ".join(x.dropna()),  # 先去掉空值再用逗号分隔合并
        "Total Invoice Amount ($)": "sum",
        "Revenue": "sum",
        "EBITDA": "sum"
    }
).reset_index()

方案3：批量处理非数值列 #

如果有多个非数值列不想逐个指定，可以自动区分列类型批量设置规则：

# 筛选出数值列和非数值列
numeric_cols = mydf.select_dtypes(include=['number']).columns.tolist()
non_numeric_cols = [col for col in mydf.columns if col not in numeric_cols + [Customer_ID, Customer_Name]]

# 构建聚合规则字典
agg_dict = {col: "sum" for col in numeric_cols}
agg_dict.update({col: "first" for col in non_numeric_cols})

# 执行分组聚合
mydf = mydf.groupby([Customer_ID, Customer_Name]).agg(agg_dict).reset_index()

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