如何在Pandas中按类别优先级筛选后对列求和（无需拆分DataFrame）

可以直接用Pandas的分组排序+聚合逻辑实现，无需拆分DataFrame，核心思路是按地区分组后，根据flag优先级筛选出每个地区的有效数据，再求和。

步骤说明 #

1. 定义优先级映射：将不同类型的flag按优先级赋值，高优先级对应更小的数值（比如official优先级最高，赋值0；estimate次之，赋值1；以此类推）。
2. 分组筛选有效数据：按Area分组，每组内按优先级排序，保留优先级最高的那一行数据。
3. 求和计算：对筛选后的生产值列求和。

代码实现 #

先构造示例数据：

import pandas as pd

data = {
    'Area': ['France', 'USA', 'Germany', 'Germany'],
    'Y2017': [10, 11, 12, 10],
    'Y2017flags': ['official', 'estimate', 'official', 'estimate']
}
df = pd.DataFrame(data)

常规写法（新增优先级列）

# 定义优先级规则
priority_map = {'official': 0, 'estimate': 1, 'unofficial': 2}

# 添加优先级辅助列
df['priority'] = df['Y2017flags'].map(priority_map)

# 按Area分组，每组按优先级升序排序后取第一行（优先级最高的记录）
selected_records = df.sort_values('priority').groupby('Area').first()

# 计算总和
total_production = selected_records['Y2017'].sum()
print(total_production)  # 输出结果：33

简化写法（无需辅助列）

可以直接在排序时使用key参数，省去新增列的步骤：

priority_map = {'official': 0, 'estimate': 1, 'unofficial': 2}

# 按优先级排序后分组取每个地区的有效生产值
valid_values = df.sort_values(
    by='Y2017flags',
    key=lambda col: col.map(priority_map)
).groupby('Area')['Y2017'].first()

# 求和
total_production = valid_values.sum()
print(total_production)

这种方法全程基于原DataFrame操作，没有拆分或复制数据，高效且符合需求。

内容的提问来源于stack exchange，提问作者Dahlai