如何在Pandas中按多列分组并对不同列执行聚合操作？

我来帮你搞定这个和SQL对应的分组聚合需求～你想要的是按Letter和From分组后，对Price求和、对RT取最大值，这和你写的SQL逻辑完全对应，但之前用的sum(['RT','To'])是对指定列做求和操作，既没处理Price，也不是你需要的RT取最大值，所以才没得到预期结果。

正确实现方法 #

最直接的方式是用Pandas的agg()方法，它支持对不同列指定不同的聚合函数，完美匹配你的SQL需求：

方式1：自定义聚合列名（推荐）

这种方式可以给聚合后的列起更清晰的名字，和SQL里的别名类似：

import pandas as pd

# 假设你的df已经创建好
result = df.groupby(['Letter', 'From']).agg(
    Total_Price=('Price', 'sum'),  # 对Price列求和，结果列名为Total_Price
    Max_RT=('RT', 'max')           # 对RT列取最大值，结果列名为Max_RT
).reset_index()

reset_index()的作用是把Letter和From这两个分组列从索引变回普通数据列，方便后续操作。

方式2：保留原列名

如果你不需要重命名列，也可以用字典格式指定聚合规则：

result = df.groupby(['Letter', 'From']).agg({
    'Price': 'sum',
    'RT': 'max'
}).reset_index()

这种方式得到的结果列名还是Price和RT，值分别是聚合后的求和与最大值。

示例结果 #

用你提供的测试DataFrame运行上面的代码后，会得到这样的结果：

这个结果和你写的SQL查询返回的内容完全一致～

内容的提问来源于stack exchange，提问作者Ahmed