SQL实现Table表分组求和后合并相同Level1行的方法

以下按常用工具场景分别给出可直接落地的实现方法：

转换结果参考 #

第一次转换结果（分组求和后按Level1排序） #

第二次转换结果（同Level1合并后） #

方案1：纯SQL实现 #

第一次转换修正SQL #

注：原始SQL不符合标准SQL规范，补充非聚合字段到分组条件避免报错

SELECT Level1, Level2, SUM(Level3) AS Level3_sum
FROM `Table`
GROUP BY Level1, Level2
ORDER BY Level1 ASC

第二次转换（合并同Level1显示）SQL #

SELECT 
  CASE WHEN rn = 1 THEN Level1 ELSE '' END AS Level1,
  Level2,
  Level3_sum
FROM (
  SELECT 
    Level1, 
    Level2, 
    SUM(Level3) AS Level3_sum,
    ROW_NUMBER() OVER(PARTITION BY Level1 ORDER BY Level2) AS rn
  FROM `Table`
  GROUP BY Level1, Level2
) t
ORDER BY Level1 ASC, rn ASC

方案2：Excel实现 #

• 第一步分组求和：选中原始数据区域，点击「数据」选项卡→插入数据透视表，行区域依次拖入Level1、Level2，值区域拖入Level3选择求和，排序设置按Level1升序即可得到第一次转换结果
• 第二步合并同Level1行：选中第一次结果的Level1列所有数据，点击「开始」选项卡→「对齐方式」组→「合并后居中」下拉按钮→选择「相同内容单元格合并」即可完成效果

方案3：Python Pandas实现 #

import pandas as pd
# 构造原始数据（实际使用时替换为自己的数据源读取逻辑即可）
data = {
    'id': [1,2,3,4,5,6,7,8],
    'Level1': ['US','FR','US','US','UK','UK','FR','FR'],
    'Level2': ['CA','PA','CA','LA','LN','LN','PA','DF'],
    'Level3': [13000,30000,24000,10000,500,600,888,1000]
}
df = pd.DataFrame(data)

# 第一次转换：分组求和+排序
df_first = df.groupby(['Level1','Level2'], as_index=False)['Level3'].sum().sort_values('Level1')

# 第二次转换：合并相同Level1显示
df_second = df_first.copy()
df_second['Level1'] = df_second['Level1'].mask(df_second['Level1'].duplicated(), '')

print(df_second)

内容的提问来源于stack exchange，提问作者tamer salem