如何用Pandas获取列唯一值并对指定用户的对应列求和？

参考Stack Overflow帖子《How do I Pandas group-by to get sum?》后仍未解决问题，现有如下DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Fruit': ['Apples', 'Apples', 'Apples', 'Apples', 'Apples',
              'Oranges', 'Oranges', 'Oranges', 'Oranges', 'Oranges',
              'Grapes', 'Grapes', 'Grapes', 'Grapes', 'Grapes',
              'Melons'],
    'Name': ['Bob', 'Bob', 'Mike', 'Steve', 'Bob',
             'Bob', 'Tom', 'Mike', 'Bob', 'Tony',
             'Bob', 'Tom', 'Bob', 'Bob', 'Tony',
             'Mike'],
    'Number': [7, 8, 9, 10, 1, 2, 15, 57, 65, 1, 1, 87, 22, 12, 15, 10]
})

需要生成新DataFrame：

• 第一列为原Fruit列所有唯一值
• 第二列为Bob对应水果的Number求和，无数据则填0，同时显示计算过程（如7+8+1=16）

期望输出：

Fruit    NumberForBob
Apples     7+8+1=16
Oranges     2+65=67
Grapes     1+22+12=35
Melons     0

尝试用if语句结合groupby未得到结果，求实现方法。

可以通过筛选Bob数据+分组聚合+左连接补全三步实现，既保留所有水果，又生成带计算过程的结果：

1. 筛选Bob的数据并分组生成计算字符串 #

先提取Bob的行，按Fruit分组后，拼接数值字符串并计算总和：

# 过滤出Bob的记录
bob_records = df[df['Name'] == 'Bob']

# 分组聚合：生成计算过程字符串和总和
bob_agg = bob_records.groupby('Fruit').agg(
    calc_detail=('Number', lambda x: f"{'+'.join(map(str, x))}={x.sum()}")
).reset_index()

2. 补全所有水果并填充0 #

获取原数据中所有唯一水果，和Bob的聚合结果做左连接，缺失值直接填0：

# 获取所有不重复的水果
all_fruit_list = pd.DataFrame({'Fruit': df['Fruit'].unique()})

# 左连接保留所有水果，填充无Bob数据的项为0
final_result = all_fruit_list.merge(
    bob_agg, 
    on='Fruit', 
    how='left'
).rename(columns={'calc_detail': 'NumberForBob'})

final_result['NumberForBob'] = final_result['NumberForBob'].fillna('0')

最终结果 #

执行后final_result的输出如下：

关键点说明 #

• 左连接确保所有原始水果都被保留，不会因为Bob没有数据而丢失条目
• 自定义聚合函数lambda x实现了计算过程字符串的拼接，同时计算总和
• 用fillna('0')直接处理无Bob数据的情况，无需复杂的if判断

内容的提问来源于stack exchange，提问作者funcard