Pandas简便实现同类别列求和：按大洲汇总产品销售占比

核心实现思路 #

利用pandas groupby 支持按轴映射直接分组的特性，直接对销售表的国家列按所属大洲分组聚合，无需多次转置、关联操作，代码简洁且性能更高。

代码实现 #

import pandas as pd

# 原始业务数据（示例）
df = pd.DataFrame({"fr": [.2, .1, .3], "ge": [.2, .2, .2], "uk": [.2, .3, .2], "us": [.2, .2, .1], "br": [.2, .2, .2]})
country = pd.DataFrame({"continent": ["Europe", "Europe", "Europe", "Europe", "Europe", "Americas", "Americas", "Americas", "Asia", "Asia"], "country": ["fr", "ge", "uk", "es", "pt", "us", "br", "ca", "cn", "jp"]})

# 1. 构造国家→大洲的映射字典
country_continent_map = country.set_index('country')['continent'].to_dict()
# 2. 对销售表列按大洲分组求和，直接得到各产品的大洲汇总占比
continent_result = df.groupby(country_continent_map, axis=1).sum()

方案优势 #

• 代码极简，核心逻辑仅2行，可读性强
• 性能适配百万级行的业务场景：仅对列维度（国家数量，通常最多数百个）做分组计算，行维度不需要做任何转换操作，运算开销远低于转置+合并的方案
• 结果自动保留原始产品的行顺序，无需额外做数据对齐

异常场景适配 #

如果销售表中存在部分国家不在大洲映射表中，可通过以下代码将这些国家归类为Other分类，避免数据丢失：

# 生成带默认分类的分组key
group_key = df.columns.map(country_continent_map).fillna('Other')
continent_result = df.groupby(group_key, axis=1).sum()

内容的提问来源于stack exchange，提问作者Vidac