Pandas嵌套groupby：仅对指定Type组按SubType二次聚合

存在包含Value、Type、Subtype三列的DataFrame，需要实现自定义分组聚合规则：

• 首先按Type列做一级分组
• 对Type=="1"的一级分组，不拆分SubType维度，直接计算组内所有行Value的总和
• 对Type=="2"的一级分组，进一步按SubType做二级分组，计算每个二级子组Value的总和

原有实现直接对全量数据按[Type, SubType]做两层分组聚合，会把Type=="1"的分组也按SubType拆分为多个子项，不符合需求，原有问题代码如下：

import pandas as pd
df = pd.DataFrame()

df["Type"] = ["1", "2", "1", "2", "1", "2"]
df["SubType"] = ["A", "A","B", "B","C", "C"]
df["Value"] = [1,2,3,4,5,6]

gb = df.groupby(["Type", "SubType"]).agg({"Value": sum})
gb

原有错误输出：

Value
Type SubType    
1    A        1
     B        3
     C        5
2    A        2
     B        4
     C        6

核心思路是构造动态分组键：对不需要拆分二级维度的分组（即Type=="1"的行），将其SubType值统一替换为固定占位值，需要拆分二级维度的分组保留原SubType值，再统一做两层分组聚合即可，全程仅需一次groupby操作，无额外拆分、拼接开销，代码最简洁。

实现代码：

# 构造动态分组键：Type为2时保留原SubType，其余情况SubType统一为固定值（比如"合计"）
group_cols = [
    df["Type"],
    df["SubType"].where(df["Type"] == "2", other="合计")
]

# 直接分组聚合即可得到目标结果
res = df.groupby(group_cols).agg(Value=("Value", "sum"))
print(res)

运行输出：

Value
Type SubType    
1    合计       9
2    A          2
     B          4
     C          6

可选调整 #

• 如果不需要为Type=="1"的组显示SubType占位文本，可以将other参数设置为空字符串，或聚合完成后按需重置、修改索引即可
• 如果后续新增其他Type需要适配差异化分组规则，只需要调整where方法的判断逻辑即可，扩展性强

内容的提问来源于stack exchange，提问作者Jason