Pandas分组聚合求和后保留指定列Group的实现方法

针对你的需求，有两种简单的实现方式，结合你的数据集特点（每个Name对应的Group是唯一固定的），推荐第一种更直接的方法：

方法一：同时按Name和Group分组求和 #

因为你的数据里每个用户的Group不会随记录变化，所以可以直接把Name和Group一起作为分组键，求和后自然就能保留Group列，代码如下：

agg = df.groupby(['Name', 'Group'], as_index=False)['Asset'].sum()

运行后得到的结果完全符合你的期望：

方法二：先聚合再合并（适配复杂场景） #

如果后续数据可能出现同一个Name对应不同Group的情况（当前数据集不存在这种情况），可以拆分步骤处理：先单独聚合Asset求和，再提取Name与Group的唯一映射关系，最后合并两个结果：

# 1. 聚合Asset的总和
agg_asset = df.groupby('Name', as_index=False)['Asset'].sum()
# 2. 获取Name和Group的唯一对应关系
name_group_map = df[['Name', 'Group']].drop_duplicates()
# 3. 合并两个结果表
final_df = agg_asset.merge(name_group_map, on='Name')

这个方法更灵活，能应对数据结构变化的场景。

内容的提问来源于stack exchange，提问作者Bahlsen