如何用Pandas合并多个DataFrame并累加重复键对应的值？

当然有更简洁高效的Pandas方案！你已经用到了pd.concat(dfs)来合并多个DataFrame，其实在此基础上，直接用groupby配合聚合函数就能一步完成重复键的值累加，完全不用手动处理重复项或者逐行遍历——这也是Pandas处理这类场景的标准做法。

核心思路 #

1. 合并所有DataFrame：先用pd.concat()把多个待合并的DataFrame拼接成一个大的DataFrame，这一步你已经尝试过了。
2. 按键分组并累加：以你的重复键（比如ID）为分组依据，对需要累加的列使用sum()聚合函数，Pandas会自动将相同键的行合并，并把对应数值列的值累加起来。

示例代码 #

先创建几个测试用的DataFrame：

import pandas as pd

# 示例DataFrame
df1 = pd.DataFrame({'ID': [1, 2, 3], 'Score': [85, 90, 78]})
df2 = pd.DataFrame({'ID': [2, 3, 4], 'Score': [5, 12, 92]})
df3 = pd.DataFrame({'ID': [1, 4], 'Score': [10, 8]})

然后执行合并和累加操作：

# 合并所有DataFrame
combined_df = pd.concat([df1, df2, df3])

# 按ID分组，累加Score列，同时保留ID为列（as_index=False）
master_df = combined_df.groupby('ID', as_index=False).sum()

print(master_df)

输出结果：

ID  Score
0   1     95
1   2     95
2   3     90
3   4    100

处理混合类型列的情况 #

如果你的DataFrame里既有需要累加的数值列，又有需要保留特定值的非数值列（比如分类标签），可以用agg()函数自定义每列的处理逻辑：

# 带分类列的示例DataFrame
df1 = pd.DataFrame({'ID': [1, 2], 'Score': [85, 90], 'Class': '一班'})
df2 = pd.DataFrame({'ID': [2, 3], 'Score': [5, 12], 'Class': '二班'})

combined_df = pd.concat([df1, df2])
master_df = combined_df.groupby('ID', as_index=False).agg(
    Score=('Score', 'sum'),  # 累加分数
    Class=('Class', 'first')  # 保留第一个出现的班级
)

print(master_df)

输出结果：

ID  Score Class
0   1     85   一班
1   2     95   一班
2   3     12   二班

为什么这个方法更好？ #

相比你提到的手动处理重复项或者逐行遍历，groupby是Pandas底层优化过的操作，在数据量较大时性能优势非常明显，而且代码更简洁易读，逻辑也更清晰。

内容的提问来源于stack exchange，提问作者XYZ