如何在Pandas中按条件分组行：指定列非空时分组求和

你需要的是只对food列不为空的行，按time列分组并对food求和，你的伪代码思路有两个问题：一是Pandas中判断非空要用notna()而非直接!= null，二是直接用if判断整列的布尔Series会触发报错（因为if需要单个布尔值，而不是一组布尔值）。

下面是两种简洁可行的实现方式：

方法一：先过滤再分组（推荐，更高效） #

先筛选出food列非空的行，再进行分组求和：

# 分步写法
filtered_data = df[df['food'].notna()]
sum_result = filtered_data.groupby('time')['food'].sum()

# 一行简写
sum_result = df[df['food'].notna()].groupby('time')['food'].sum()

方法二：结合NumPy判断非空 #

如果你想用NumPy实现非空判断，也可以这样写：

import numpy as np
sum_result = df[np.notna(df['food'])].groupby('time')['food'].sum()

补充说明 #

• 不要尝试在groupby之后的agg里嵌套where，这样逻辑会更复杂，先过滤再分组是最直观高效的方案。
• 如果你的“不为空”还需要排除空字符串（比如''），可以把过滤条件改成df['food'].notna() & (df['food'] != '')。

内容的提问来源于stack exchange，提问作者Ichigo