如何移除带分数的商品行并将销售额合并至对应商品行

直接上新手能看懂的实操步骤：

• 1. 导入工具并加载数据
  先导入pandas，然后把你的POS数据转换成DataFrame（如果是从Excel/CSV文件读取，替换成pd.read_excel()或pd.read_csv()即可）：

  import pandas as pd
  
  # 示例数据，和你的格式完全匹配，替换成你自己的数据源就行
  data = {
      'Item': ['AIR GIN', 'AIR GIN 1/3', 'AIR VODKA', 'AIR VODKA 1/2'],
      'Outlet1': [162.0, None, 468.0, None],
      'Outlet2': [None, None, None, None],
      'Outlet3': [189.0, None, 585.0, 18.0],
      'Outlet4': [54.0, 9.0, 144.0, None]
  }
  df = pd.DataFrame(data, index=[2,3,4,5])
  

• 2. 提取不带分数的纯净商品名
  用正则表达式去掉Item列末尾的 数字/数字后缀，生成一个临时列存基础商品名：

  df['Base_Item'] = df['Item'].str.replace(r' \d/\d$', '', regex=True)
  

  这里的正则 \d/\d$专门匹配“空格+数字/数字”的结尾部分，直接替换为空字符串，就能得到不带拆分标记的商品名。

• 3. 按商品名分组合并销售额
  按纯净商品名分组，对各个门店的销售额求和，再整理成你要的格式：

  # 分组求和，保留原有的NaN（如果一组全是NaN，求和后还是NaN）
  merged_df = df.groupby('Base_Item')[['Outlet1', 'Outlet2', 'Outlet3', 'Outlet4']].sum(min_count=1).reset_index()
  
  # 把临时列改回原来的Item列名
  merged_df.rename(columns={'Base_Item': 'Item'}, inplace=True)
  
  # 调整索引和你的示例输出一致（可选，不想调可以直接跳过这行）
  merged_df.index = merged_df.index + 2
  

• 4. 查看最终结果
  打印merged_df就能得到和你期望完全一致的输出：

  Item  Outlet1  Outlet2  Outlet3  Outlet4
  2             AIR GIN    162.0      NaN    189.0     63.0
  3           AIR VODKA    468.0      NaN    603.0    144.0
  

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