Pandas无法按District列匹配字符串计算对应行总和的解决方法

问题根因 #

当前使用的分组代码同时传入了HS Code、District两个分组键，最终返回的是HS Code与District两两组合维度的汇总结果，并非单独按District维度聚合的总值，因此无法得到预期的各地区单独汇总数据。
之前运行的代码及对应输出参考：

g1 = df1.groupby(['HS Code','District'])['April, 21 To February, 22 Value(US $)'].sum()

实现方法 #

方法1：仅生成各District单独的总值 #

直接移除分组键中多余的HS Code字段，仅以District作为分组维度即可，运行前建议先做数据清洗避免统计偏差：

• 清洗District字段：去除字符串前后多余空格，避免同个地区因为隐藏空格被拆分为多个分组
• 清洗数值列：如果目标值列带$符号、千分位逗号，先替换内容后转为数值类型，否则求和逻辑会出错

# 前置数据清洗
df1['District'] = df1['District'].str.strip()
df1['April, 21 To February, 22 Value(US $)'] = (
    df1['April, 21 To February, 22 Value(US $)']
    .replace(r'[$,]', '', regex=True)
    .astype(float)
)

# 按District分组求和，as_index=False返回标准DataFrame格式
district_sum = df1.groupby('District', as_index=False)['April, 21 To February, 22 Value(US $)'].sum()

# 提取南安达曼、尼科巴两个指定地区的汇总值
target_res = district_sum[district_sum['District'].isin(['南安达曼', '尼科巴'])]

如果需要索引为地区名的Series格式结果，去掉代码里的as_index=False参数即可。

方法2：同时保留细粒度分组和District维度汇总 #

如果需要同时保留「HS Code+District」的细粒度汇总、以及各District单独的总值，可以用数据透视表的边距参数自动生成小计：

summary_table = df1.pivot_table(
    index=['HS Code', 'District'],
    values='April, 21 To February, 22 Value(US $)',
    aggfunc='sum',
    margins=True,
    margins_name='地区小计'
)

运行后结果中每个District分类下会自动生成该地区所有HS Code对应的总值汇总行。

内容的提问来源于stack exchange，提问作者darklord321