聊天分析中如何将Pandas DataFrame特定行值合并求和为一行？

方法1：指定用户合并为Other #

直接定义需要合并的用户列表，通过映射分组后求和：

import pandas as pd

# 原始数据构造（替换成你的实际DataFrame）
data = {
    '用户名': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'],
    '消息数量': [234, 128, 112, 97, 86, 43, 32, 24, 22, 9]
}
df = pd.DataFrame(data)

# 定义需要合并到Other的用户
other_users = ['F', 'G', 'H', 'I', 'J']

# 创建分组映射：目标用户标记为Other，其余保留原名
df['分组'] = df['用户名'].map(lambda x: 'Other' if x in other_users else x)

# 按分组求和并整理结构
result_df = df.groupby('分组')['消息数量'].sum().reset_index().rename(columns={'分组': '用户名'})
print(result_df)

运行后输出结果：

用户名  消息数量
0     A    234
1     B    128
2     C    112
3     D     97
4     E     86
5  Other    130

方法2：自动筛选合并（更灵活，适合饼图场景） #

如果需要动态合并消息量少的用户（比如保留前N个活跃用户，剩余合并），可以用以下方式：

# 保留消息量前5的用户，其余合并为Other
top_n = 5
# 获取前N个用户名列表
top_users = df.nlargest(top_n, '消息数量')['用户名'].tolist()

# 映射分组
df['分组'] = df['用户名'].map(lambda x: x if x in top_users else 'Other')
result_df = df.groupby('分组')['消息数量'].sum().reset_index().rename(columns={'分组': '用户名'})

也可以按消息量阈值筛选（比如合并消息数低于90的用户）：

threshold = 90
df['分组'] = df.apply(lambda row: 'Other' if row['消息数量'] < threshold else row['用户名'], axis=1)
result_df = df.groupby('分组')['消息数量'].sum().reset_index().rename(columns={'分组': '用户名'})

内容的提问来源于stack exchange，提问作者Vayun Ekbote