如何在Pandas中基于单元格值对分组数据进行求和统计

核心问题说明 #

你当前代码使用的count()聚合逻辑是统计分组后的行数，不会累加Quantity列的商品数量，因此会出现销量统计错误的问题。

修复方案 #

方案1：修改原有groupby写法 #

将count()替换为sum()，指定对Quantity列求和即可：

# 分组后对Quantity列求和，as_index=False等价于后面加reset_index()
sales = df.groupby(['SKU','Source'], as_index=False)['Quantity'].sum()
sales_by_sku_pivot = sales.pivot(columns='Source',index='SKU',values='Quantity').reset_index()

方案2：直接用pivot_table一步生成透视表 #

pandas内置的pivot_table可以直接完成分组聚合+透视转换的操作，写法更简洁：

import pandas as pd
sales_by_sku_pivot = pd.pivot_table(
    df,
    index='SKU',
    columns='Source',
    values='Quantity',
    aggfunc='sum',
    fill_value=0, # 可选配置：无销量的组合自动填充0，避免出现NaN空值
).reset_index()

输出结果验证 #

用你提供的示例数据运行后，最终透视表结果为：

完全符合实际销量统计需求。

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