如何用Python在Excel中对相似名称的金额求和并生成DataFrame？

步骤1：读入Excel数据 #

先把Excel文件加载到pandas的DataFrame里，假设你的Excel文件叫data.xlsx，标题列和金额列的名称分别是Title和Amount（根据实际情况替换）：

import pandas as pd

# 读取Excel，表头用第0行
df = pd.read_excel("data.xlsx", header=0)
# 先看看原始数据长啥样
print(df.head())

步骤2：给相似标题分组 #

相似标题的处理得看你的具体格式，分两种常见情况：

情况A：标题有固定分隔符（比如"-"）

如果标题是Office Supplies - Pens这种带分类前缀的格式，直接拆分取前缀作为分组依据：

# 按"-"拆分标题，取第一部分作为分组名
df["分组标题"] = df["Title"].str.split(" - ").str[0]

情况B：语义相似的标题（比如"打印纸采购"和"打印纸批量采购"）

用fuzzywuzzy库做模糊匹配，先装依赖：

pip install fuzzywuzzy python-Levenshtein

然后写分组逻辑：

from fuzzywuzzy import process

# 先拿到所有不重复的标题
unique_titles = df["Title"].unique()
# 建立相似标题的映射关系
group_map = {}
for title in unique_titles:
    # 匹配相似度≥80的标题（阈值可以自己调）
    matches = process.extract(title, unique_titles, scorer=fuzz.token_sort_ratio)
    for match, score in matches:
        if score >= 80 and match not in group_map:
            group_map[match] = title

# 给原表加上分组列
df["分组标题"] = df["Title"].map(group_map)

步骤3：按分组汇总金额 #

把同一分组下的金额加总，生成汇总后的DataFrame：

# 按分组标题求和，重置索引变成普通DataFrame
summary_df = df.groupby("分组标题")["Amount"].sum().reset_index()
# 可以给列改个更直观的名字
summary_df.rename(columns={"分组标题": "汇总标题", "Amount": "总金额"}, inplace=True)
# 看看最终结果
print(summary_df)

可选：把结果存回Excel #

如果需要导出汇总数据：

summary_df.to_excel("汇总结果.xlsx", index=False)

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