Pandas多同结构DataFrame按名分组求和合并到新表结果错误问题

原有代码错误点 #

• 语法错误：df1.groupby(['Name', sort=False)写法不规范，误将sort参数写进了分组键列表中，同时缺少分组键列表的闭合括号，本身无法正常运行。
• 索引不匹配：groupby.transform('sum')返回的结果长度和原数据框（如df1）的行数完全一致，但你赋值的目标ndf是所有数据框合并后按Name去重的结果，二者行数、索引均不匹配，赋值时会出现大量错值、空值。
• 场景覆盖不全：如果某个Name仅在部分数据框中出现，原有写法无法给缺失该Name的数据框对应的求和列正确赋值。

正确实现代码 #

import pandas as pd

# 按顺序存放所有待处理的DataFrame
frames = [df1, df2, df3, df4, df5, df6, df7, df8, df9]
sum_result_list = []

for seq, df in enumerate(frames, start=1):
    # 单DataFrame按Name分组求和，重命名列名
    grouped_sum = df.groupby('Name', sort=False)['I'].sum().round(2).reset_index(name=f'res_df{seq}')
    sum_result_list.append(grouped_sum)

# 合并所有分组求和结果，保留所有出现过的Name
ndf = sum_result_list[0]
for sum_df in sum_result_list[1:]:
    ndf = ndf.merge(sum_df, on='Name', how='outer')

# 可选：如果需要将某数据框不存在的Name对应的求和值设为0，取消注释下行
# ndf = ndf.fillna(0)

代码说明 #

• 先对每个独立的DataFrame单独做分组求和，生成仅包含Name和对应求和结果两列的中间表，中间表的行数和对应原DataFrame的唯一Name数量一致
• 通过外连接合并所有中间表，保证所有出现过的Name都会被保留，求和列和对应的数据框一一对应
• 最终生成的ndf每行对应一个唯一Name，各列分别为每个原数据框下该Name的I列求和结果

内容的提问来源于stack exchange，提问作者crazier