合并含重复索引的DataFrame与分组Series及分组查询方法

需要将以下df1与series_object进行合并，具体要求及数据如下：

df1数据 #

wallet       cumulative_rewards  position      position_rewards  position_type
0      0x12345                       0      LUSD      1000              LP Pair
0      0x12345                       0      TOKE      200               LP Token
1      0xabcde                       0    UNI_LP      500               LP
1      0xabcde                       0  SUSHI_LP      0                 LP
1      0xabcde                       0       DAI      100               LP Pair

series_object数据 #

该对象由grouped_toke_transfers = toke_transfers_df.groupby('from_address')['value'].sum()生成，索引为from_address，数据如下：

from_address   value
0x12345        13687137402763990447827
0xabcde        58950104860666120622
0xfghij        3491287228881431880579
0xklmno        1260986666816869789

合并要求 #

• 保留df1中重复出现的钱包（即重复索引对应的钱包）；
• 将series_object中对应钱包的value添加到每一行，同一钱包的所有行value值相同；
• 合并后的DataFrame不包含df1中在series_object里不存在的钱包。

额外需求 #

基于合并后的表格，如何使用groupby()根据position_type查询对应的value？

一、合并DataFrame与Series #

先将Series转换为DataFrame并对齐列名，再用内连接完成合并，既保留df1的重复行，又自动过滤掉series中不存在的钱包：

import pandas as pd

# 将Series转为DataFrame，并重命名索引列为'wallet'，和df1的列名匹配
series_df = grouped_toke_transfers.reset_index().rename(columns={'from_address': 'wallet'})

# 执行内连接合并
merged_df = pd.merge(df1, series_df, on='wallet', how='inner')

合并后merged_df的结构示例（符合所有要求）：

wallet  cumulative_rewards  position  position_rewards position_type                  value
0      0x12345                   0      LUSD              1000        LP Pair  13687137402763990447827
1      0x12345                   0      TOKE               200     LP Token  13687137402763990447827
2      0xabcde                   0    UNI_LP               500            LP    58950104860666120622
3      0xabcde                   0  SUSHI_LP                 0            LP    58950104860666120622
4      0xabcde                   0       DAI               100        LP Pair    58950104860666120622

二、按position_type分组查询value #

根据实际需求选择对应的聚合方式：

1. 统计每个position_type对应的value总和 #

如果需要将同一类型下所有钱包的value相加：

type_value_sum = merged_df.groupby('position_type')['value'].sum().reset_index()

2. 获取每个position_type对应的唯一value（去重） #

如果同一position_type下的value不重复，或者只需要保留每个类型下的不同value：

# 取每个分组的第一个value
type_unique_value = merged_df.groupby('position_type')['value'].first().reset_index()

# 或者返回该类型下所有唯一value的列表
type_unique_values = merged_df.groupby('position_type')['value'].unique().reset_index()

3. 查看每个position_type对应的所有value明细 #

如果需要保留每个类型下的全部value记录：

type_value_details = merged_df.groupby('position_type')['value'].apply(list).reset_index()

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