Pandas DataFrame.groupby.sum()聚合时丢失列如何解决

使用groupby().sum()时，pandas默认仅对数值类型列执行求和聚合，Assignment、Order reason属于文本类型，无法参与求和运算，因此会被自动排除，不会出现在最终聚合结果中。
另外注意样例中的Amount字段带千分位逗号，pandas读入后会默认识别为文本类型，直接求和会出现字符串拼接的错误，需要先做类型转换。

核心是通过agg()方法为每一列显式指定聚合规则，不要直接调用sum()，同时设置as_index=False避免分组字段被设为行索引，保留普通数据表结构。

场景1：同组下非数值列取值唯一/取首个非空值 #

大部分业务场景下同一个Reference对应的Assignment、Order reason是固定值，直接取分组内第一个非空值即可：

import pandas as pd

wb = pd.read_excel("file.XLSX")
# 先处理Amount列的格式，转成可计算的数值类型
wb["Amount"] = wb["Amount"].str.replace(",", "").astype(float)

# 按Reference分组，为每列指定聚合规则
wb = wb.groupby("Reference", as_index=False).agg({
    "Amount": "sum",
    "Assignment": "first",
    "Order reason": "first"
})

场景2：同组下非数值列存在多个不同值，需保留全部信息 #

如果同一个Reference分组下对应多个Assignment或Order reason值，可以将同组去重后的值拼接为字符串保留：

wb = wb.groupby("Reference", as_index=False).agg({
    "Amount": "sum",
    "Assignment": lambda x: "、".join(x.dropna().unique()),
    "Order reason": lambda x: "、".join(x.dropna().unique())
})

上述代码会自动跳过空值，把同组下的唯一值用顿号拼接，不会丢失信息。

内容的提问来源于stack exchange，提问作者259felix