Pandas入门问题：合并同值行并汇总指定列结果不符合预期

我是一名Pandas初学者，现有DataFrame存在多行Sl.No、Catalogue No.、Catalogue Description等列值完全相同的记录，想要合并这些行，仅对Quantity和total quantity列进行求和汇总，其余列保持不变。

期望输出：合并相同值的行后，仅目标列是汇总后的数值，其他列与原行一致。

我尝试使用以下代码：

d.groupby(['Sl.No','Catalogue No.','Catalogue Description','Nature of component','Compartment Width','Compartment Height', 'UOM']).sum().reset_index()

但得到的输出不符合预期。

问题原因 #

groupby().sum()会对所有数值类型的列执行求和操作，而非仅针对你需要的Quantity和total quantity列。如果分组内其他数值列（比如尺寸列）原本值相同，求和后结果看似正常，但如果存在数据异常就会出错；另外如果某些文本列被误识别为数值类型，还会导致错误的拼接/求和。

解决方案 #

方法1：指定列的聚合规则 #

明确指定哪些列需要求和，哪些列保留分组内的第一个值（因为分组内这些列值一致）：

# 定义聚合规则：求和列+保留原值的列
agg_rules = {
    'Quantity': 'sum',
    'total quantity': 'sum',
    'Sl.No': 'first',
    'Catalogue No.': 'first',
    'Catalogue Description': 'first',
    'Nature of component': 'first',
    'Compartment Width': 'first',
    'Compartment Height': 'first',
    'UOM': 'first'
}

# 执行分组聚合
result = d.groupby(
    ['Sl.No','Catalogue No.','Catalogue Description','Nature of component','Compartment Width','Compartment Height', 'UOM'],
    as_index=False
).agg(agg_rules)

如果列名较多，可用代码自动生成聚合规则，避免手动输入：

sum_cols = ['Quantity', 'total quantity']
# 自动获取其他需要保留原值的列
other_cols = [col for col in d.columns if col not in sum_cols]

# 构建聚合字典
agg_rules = {col: 'sum' for col in sum_cols}
agg_rules.update({col: 'first' for col in other_cols})

result = d.groupby(
    ['Sl.No','Catalogue No.','Catalogue Description','Nature of component','Compartment Width','Compartment Height', 'UOM'],
    as_index=False
).agg(agg_rules)

方法2：检查分组键的细微差异 #

如果上述方法仍未得到预期结果，大概率是分组键的列存在肉眼不可见的差异（比如前后空格、大小写不一致、换行符），先清洗这些列再分组：

# 清洗文本类型的分组键列：去除前后空格、统一大小写（按需调整）
text_group_cols = ['Catalogue No.','Catalogue Description','Nature of component','UOM']
for col in text_group_cols:
    d[col] = d[col].str.strip()  # 去除前后空格
    # d[col] = d[col].str.lower()  # 统一小写，不需要可注释

# 再执行方法1的聚合操作
sum_cols = ['Quantity', 'total quantity']
other_cols = [col for col in d.columns if col not in sum_cols]
agg_rules = {col: 'sum' for col in sum_cols}
agg_rules.update({col: 'first' for col in other_cols})

result = d.groupby(
    ['Sl.No','Catalogue No.','Catalogue Description','Nature of component','Compartment Width','Compartment Height', 'UOM'],
    as_index=False
).agg(agg_rules)

内容的提问来源于stack exchange，提问作者codeknight_1702