Pandas如何合并两个DataFrame 仅聚合指定列、新行直接拼接？

可以一行代码完成需求，代码如下：

import pandas as pd
# 一行实现逻辑
res = pd.concat([df1, df2]).groupby(level=0).agg({'prices': sum, 'Type': 'first'})

逻辑说明 #

• 先调用pd.concat([df1, df2])将两个表按行拼接，df1放在前面保证后续非聚合列优先取df1的取值
• 用groupby(level=0)按行索引（也就是name列）分组
• 聚合规则中：
  • prices列用sum聚合，Python中列表相加天然就是拼接两个列表，刚好符合合并要求
  • 其余列（这里是Type）用'first'取分组内第一个出现的值，也就是df1中的对应值

如果你的表中非prices列数量较多不想手动逐个指定，可以用更通用的写法：

res = pd.concat([df1, df2]).groupby(level=0).agg(
    {**{'prices': sum}, **{col: 'first' for col in df1.columns if col != 'prices'}}
)

运行上述代码得到的结果和你要求的输出完全一致。

内容的提问来源于stack exchange，提问作者Lew Wei Hao