如何为pandas汇总后的商品表匹配添加对应Hs code列值

你可以根据自己当前的数据处理进度，选下面两种方案里的一种即可：

• 方案1：分组求和阶段直接带出Hs Code（效率最高，推荐）
  同一款商品对应的Hs Code是固定唯一值，你在做groupby聚合的时候，除了对元素列做求和，直接同步取对应Hs Code即可，不用后续二次关联。
  示例代码：

  import pandas as pd
  
  # df是你的原始DataFrame，把下面字段名替换成你表中实际的字段名即可
  # 假设你用来区分商品的分组字段是「商品名称」
  agg_result = df.groupby("商品名称", as_index=False).agg(
      # 所有需要求和的元素列都按这个格式写，列名替换成你实际的元素列名
      碳元素总和=("碳元素", "sum"),
      铝元素总和=("铝元素", "sum"),
      铁元素总和=("铁元素", "sum"),
      # 直接取同商品对应的Hs Code，同商品编码唯一取第一个即可
      Hs_Code=("Hs code", "first")
  )
  

• 方案2：对已经生成的求和结果表做关联匹配
  如果你已经提前算好了每个商品的元素求和结果（结果表命名为sum_df，仅包含商品字段和各元素求和值），可以先从原始表提取商品和Hs Code的唯一映射，再做左连接匹配：

  # 提取商品和Hs Code的唯一对应关系，去重避免关联时出现重复行
  hs_map = df[["商品名称", "Hs code"]].drop_duplicates(subset="商品名称", keep="first")
  
  # 把Hs Code关联到已有的求和结果表
  final_result = sum_df.merge(
      hs_map,
      on="商品名称", # 关联字段和你分组用的商品字段保持一致
      how="left"
  )
  

校验提示：如果运行后发现结果表行数比你之前的求和结果表行数多，说明存在同一个商品对应多个不同Hs Code的异常数据，可以先用df.groupby("商品名称")["Hs code"].nunique()筛选出nunique()>1的商品先做数据清洗，再跑匹配逻辑。

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