Pandas DataFrame groupby后如何对第三列相同系统值求和

针对按相同系统维度汇总数值求和的需求，可按你当前分组结果的结构选择对应写法：

写法1：初始分组阶段直接加入系统维度（推荐） #

不需要等第一次groupby出结果后再二次统计，最开始分组时就把系统列加入分组键，一步得到汇总结果，性能更好：

# 替换为实际业务列名即可：
# 原有分组字段：第一次groupby时使用的分组列
# 系统列：第三列存储系统名称的列名
# 待求和数值列：需要做求和统计的数值对应列名
sum_result = df.groupby(["原有分组字段1", "原有分组字段2", "系统列名"])["待求和数值列"].sum().reset_index()

写法2：对已生成的分组结果二次聚合 #

如果你已经拿到了第一次groupby后的结果数据集，直接对该数据集按系统列再做一次groupby求和即可：

# 假设第一次groupby得到的数据集变量名为df_after_group
sum_result = df_after_group.groupby("系统列名")["待求和数值列"].sum().reset_index()

如果第一次groupby后系统名称不在普通列中，而是在多层索引的某一层，用level参数指定对应层级即可：

# 方式A：按索引层级位置指定（索引从0开始计数，比如第三层级就填2）
sum_result = df_after_group.groupby(level=2)["待求和数值列"].sum()

# 方式B：按索引层级名称指定（更推荐，不需要手动数位置）
sum_result = df_after_group.groupby(level="系统列对应的索引层级名")["待求和数值列"].reset_index()

排查小技巧：如果不清楚当前数据集的列名、索引名，可以先运行两行代码确认：

• 查看所有普通列：print(df_after_group.columns.tolist())
• 查看所有索引层级名称：print(df_after_group.index.names.tolist())

内容的提问来源于stack exchange，提问作者Girija Rani Karetla