如何在Pandas中对含分类与连续变量的数据按Customer_ID分组聚合？

需求描述 #

按Customer_ID分组，统计每个客户的总贷款金额，同时保留CustomerGender、Agent_ID、AgentGender这三个字段的信息。

原始数据集 #

import pandas as pd
data = {'Customer_ID': [1, 1, 1, 2, 2, 3, 4, 4, 5, 5, 5, 5, 6, 6],
      'Loan': [200, 250, 300, 400, 300, 500, 150, 150, 400, 250, 150, 300, 200, 200],
     'CustomerGender': ['M', 'M', 'M', 'F', 'F', 'M', 'M', 'M', 'F', 'F', 'F', 'F', 'F', 'F'],
     'Agent_ID': [306, 306, 306, 306, 306, 307, 308, 308, 309, 309, 309, 309, 309, 309], 
     'AgentGender': ['F', 'F', 'F', 'M', 'M','M', 'M', 'M', 'F', 'F', 'F', 'F', 'F', 'F'],
     'settlement_value': [23.5, 30.99, 306, 86, 50, 307.35, 1200.54, 25, 48.88, 400, 2100.10, 30, 1309.10, 500.50]}
df = pd.DataFrame(data)

常见问题分析 #

• 仅按Customer_ID分组调用sum()：会直接丢弃CustomerGender、Agent_ID等非数值型字段，无法保留所需信息；
• 将CustomerGender、Agent_ID、AgentGender加入分组键：若数据包含settlement_value，该字段会被自动聚合（如求和），且不符合仅按客户维度统计的需求。

解决方案 #

方法1：指定字段聚合规则（推荐） #

利用groupby+agg，为每个字段明确指定聚合逻辑。由于每个Customer_ID对应的附属信息是唯一的，用first/max即可保留正确值；对Loan用sum计算总额。

result = df.groupby('Customer_ID', as_index=False).agg(
    Total_Loan=('Loan', 'sum'),
    CustomerGender=('CustomerGender', 'first'),
    Agent_ID=('Agent_ID', 'first'),
    AgentGender=('AgentGender', 'first')
    # 若需统计settlement_value总和，可添加此行：
    # Total_Settlement=('settlement_value', 'sum')
)

print(result)

方法2：拆分计算后合并 #

先单独计算总贷款，再提取客户唯一附属信息，最后通过merge合并结果，适合不确定附属字段是否绝对唯一的场景。

# 计算客户总贷款
loan_totals = df.groupby('Customer_ID', as_index=False)['Loan'].sum().rename(columns={'Loan': 'Total_Loan'})

# 提取去重后的客户附属信息
customer_info = df[['Customer_ID', 'CustomerGender', 'Agent_ID', 'AgentGender']].drop_duplicates()

# 合并数据
result = pd.merge(loan_totals, customer_info, on='Customer_ID')

print(result)

两种方法输出结果一致：

Customer_ID  Total_Loan CustomerGender  Agent_ID AgentGender
0            1         750              M       306           F
1            2         700              F       306           M
2            3         500              M       307           M
3            4         300              M       308           M
4            5        1100              F       309           F
5            6         400              F       309           F

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