Python3中用Pandas合并DataFrame同名同年度行并求和的方法

完全可以实现你的需求，通过筛选+分组聚合两步就能完成，具体操作如下：

步骤说明 #

• 第一步：从原DataFrame中筛选出所有Names为"Steve"的记录
• 第二步：按Year和Names分组，对Counts列进行求和合并
• 第三步：重置索引并调整列顺序，匹配示例输出格式

完整代码示例 #

假设你的DataFrame变量名为df，执行以下代码：

import pandas as pd

# 筛选出名称为Steve的记录
steve_records = df[df['Names'] == 'Steve']

# 按年份和名称分组，对Counts求和合并
merged_result = steve_records.groupby(['Year', 'Names'], as_index=False)['Counts'].sum()

# 调整列顺序以匹配示例输出
merged_result = merged_result[['Names', 'Counts', 'Year']]

代码细节解释 #

• df[df['Names'] == 'Steve']：通过布尔索引精准筛选目标记录
• groupby(['Year', 'Names'], as_index=False)：指定分组维度，as_index=False避免将分组列转为索引
• ['Counts'].sum()：对同组内的Counts值求和，实现行合并
• 最后调整列顺序是为了和你给出的示例输出结构完全一致

示例输出 #

执行后得到的结果格式如下：

Names       Counts  Year
0            Steve         237  2000
1            Steve         400  2001
2            Steve          35  2002
...           ...         ...   ...
15           Steve          26  2015

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