使用pandas统计多CSV文件id/itemName出现次数并聚合Entries列

你遇到的AttributeError: 'list' object has no attribute 'groupby'报错是因为groupby是Pandas DataFrame对象的专属方法，无法直接作用于DataFrame列表，需要先将列表内的所有DataFrame合并为单个全局表后再执行聚合计算。

1. 合并所有DataFrame #

调用Pandas的concat方法纵向拼接你已生成的DataFrame列表，自动匹配同名字段：

import pandas as pd

# df_list 替换为你实际存储DataFrame的列表变量名
all_data = pd.concat(df_list, ignore_index=True)

2. 按id+itemName分组执行多维度聚合 #

以id和itemName作为联合分组键，一次完成所有统计需求的计算：

stat_result = all_data.groupby(['id', 'itemName'], as_index=False).agg(
    出现次数=('Entries', 'count'),
    Entries总和=('Entries', 'sum'),
    Entries最高值=('Entries', 'max'),
    Entries最低值=('Entries', 'min')
)

聚合规则完全匹配你的需求：

• count统计每个分组的总行数，因为你已确认单文件内id+itemName唯一，所以行数等于该组合跨文件的总出现次数
• sum计算该组合所有Entries值的跨文件总和
• max/min分别取该组合所有Entries值的全局最大值、最小值

3. 导出结果到CSV #

直接调用to_csv方法输出最终结果文件，关闭默认索引列：

stat_result.to_csv('统计结果.csv', index=False, encoding='utf-8-sig')

内容的提问来源于stack exchange，提问作者Baobab1988