如何对Pandas DataFrame按列分组求和并保留观测数量？

原始数据 #

import pandas as pd
df = pd.DataFrame({'id':[1, 1, 2, 2], 'comp': [-0.10,0.20,-0.10, 0.4], 'word': ['boy','girl','man', 'woman']})

需求说明 #

按id列分组，计算comp列的总和，同时新增n_obs列统计每组的行数。直接使用df.groupby('id').sum()会错误拼接word列的字符串，无法得到预期结果。

实现方案 #

方法一：使用agg()指定多列聚合规则 #

这是最简洁的方式，一次完成两种聚合操作：

result = df.groupby('id', as_index=False).agg(
    comp=('comp', 'sum'),
    n_obs=('id', 'count')
)
print(result)

• as_index=False确保id作为普通列输出，而非索引
• agg()中分别指定comp列求和、任意列（这里用id）统计行数

方法二：分步聚合后合并 #

先分别计算求和结果和行数，再通过merge()合并：

# 计算comp列的分组求和
sum_df = df.groupby('id', as_index=False)['comp'].sum()
# 统计每组行数并修改列名
count_df = df.groupby('id', as_index=False).size().rename(columns={'size': 'n_obs'})
# 合并两个结果
result = pd.merge(sum_df, count_df, on='id')
print(result)

输出结果 #

id  comp  n_obs
0   1   0.1      2
1   2   0.3      2

内容的提问来源于stack exchange，提问作者OLGJ