如何对DataFrame中列标题相同的列按索引求和？

这事儿其实用pandas的groupby就能轻松搞定，完全不用操心不同列名的重复次数差异——不管某个列名出现1次、3次甚至压根没出现，都能自动处理。

核心解决方案 #

直接对列索引（也就是你的重复列名）做分组，指定axis=1（按列分组），然后调用sum()就行。给你写个完整的示例，完全贴合你的需求：

import pandas as pd
import numpy as np

# 先构造你提供的示例DataFrame
s = pd.Series([1,2,3,4,5], index=['6/7','6/8','6/9','6/10','6/11'])
t = pd.Series([2,4,6,8,10], index=['6/7','6/8','6/9','6/10','6/11'])
df = pd.DataFrame(np.c_[s,t,s*3,t*2.5], columns = ["M1","M2","M1","M2"])

# 关键操作：按列名分组求和
grouped_sum = df.groupby(df.columns, axis=1).sum()

# 给列名加上_sum后缀，匹配你想要的输出格式
grouped_sum.columns = [f"{col}_sum" for col in grouped_sum.columns]

print(grouped_sum)

运行这段代码后，输出就是你期望的结果：

M1_sum  M2_sum
6/7       4.0     7.0
6/8       9.0    12.0
6/9      12.0    15.0
6/10     12.0    18.0
6/11     25.0    50.0

为什么这个方法有效？ #

• groupby(df.columns, axis=1)：这里的axis=1是核心，告诉pandas我们要**按列的名称（列索引）**来分组，而不是默认的按行分组。pandas会自动把所有列名相同的列归为一组，不管它重复多少次。
• .sum()：对每个分组里的列，按行计算数值总和，正好实现你要的“同一行内同列名的列值相加”。
• 最后重命名列名的步骤是可选的，但能让输出更符合你指定的M1_sum、M2_sum格式。

哪怕你的DataFrame有上千列、列名从M1到M340，这个方法也能高效处理，不需要手动统计每个列名的重复次数，pandas会自动完成所有工作。

内容的提问来源于stack exchange，提问作者Nik Tur