Python Pandas：重复行求和与非数值列留首值的代码优化方案

不用手动枚举几十列，直接通过列类型自动识别实现需求：

• 指定你的外键列名（替换成实际列名，比如'order_id'）
• 自动筛选需保留首个实例的列：所有object/日期类型列，排除外键本身
• 自动筛选需求和的列：所有float类型列
• 组装聚合规则后执行分组操作

完整代码示例：

import pandas as pd

# 替换成你的外键列名
foreign_key = "your_foreign_key_col"

# 自动识别列：保留首值的列（object/日期类型，排除外键）
keep_first_cols = df.select_dtypes(include=["object", "datetime64"]).columns.drop(foreign_key)
# 自动识别求和列（float类型）
sum_cols = df.select_dtypes(include=["float64"]).columns

# 组装聚合规则字典
agg_rules = {col: "first" for col in keep_first_cols}
agg_rules.update({col: "sum" for col in sum_cols})

# 执行分组聚合，as_index=False让外键保持为普通列而非索引
final_df = df.groupby(foreign_key, as_index=False).agg(agg_rules)

补充说明：

• 如果日期列是带时区的格式（比如datetime64[ns, UTC]），可以调整include里的类型参数，确保能被正确识别
• 外键列在groupby后本身就是唯一值，无需额外配置保留首值规则
• 该方案自动适配列类型，后续列数变动时无需修改代码

内容的提问来源于stack exchange，提问作者Ricky