Python Pandas处理Excel重复邮政编码：求和生成新列表求助

嘿，你已经迈出了关键的第一步——筛选出重复的邮政编码，做得不错！不过其实用Pandas内置的分组聚合功能，就能更简洁高效地完成「找出重复Zip+对应Quantity求和」的需求，不用借助Counter和filter绕弯路，我给你一步步拆解：

核心思路 #

Pandas的groupby方法天生适合这种「按某列分组+对另一列聚合计算」的场景，我们可以直接：

• 按Zip列分组，统计每个Zip对应的Quantity总和
• 筛选出那些出现次数超过1次的Zip，保留它们的求和结果

完整优化代码 #

import pandas as pd

# 1. 读取Excel数据（和你原来的步骤一致）
df = pd.read_excel(r'L:\FixedIncomeReport.xlsx')

# 2. 先按Zip分组，计算每个Zip的Quantity总和，同时统计每个Zip出现的次数
zip_summary = df.groupby('Zip').agg(
    Total_Quantity=('Quantity', 'sum'),
    Occurrence_Count=('Quantity', 'count')
).reset_index()

# 3. 筛选出重复的Zip（出现次数>1），得到最终结果
duplicate_zips_with_sum = zip_summary[zip_summary['Occurrence_Count'] > 1]

# 4. 可以把结果转成你需要的列表格式，比如每个元素是(Zip, 求和值)的元组
result_list = list(zip(duplicate_zips_with_sum['Zip'], duplicate_zips_with_sum['Total_Quantity']))

# 打印看看结果
print("重复邮政编码及对应数量求和：")
for zip_code, total in result_list:
    print(f"Zip {zip_code}: 总数量 = {total}")

代码解释 #

• groupby('Zip')：把数据按邮政编码分组，相同Zip的行会被归为一组
• agg(...)：对每组进行聚合操作，这里同时计算了两个值：Total_Quantity是该Zip对应的所有Quantity之和，Occurrence_Count是该Zip出现的次数
• reset_index()：把分组后的索引（Zip）变回普通列，方便后续筛选
• 最后通过Occurrence_Count > 1筛选出重复的Zip，再转成你需要的列表格式就行

简化版写法（适合快速输出） #

如果只是想快速得到结果，甚至可以简化成一行：

# 一行代码直接得到重复Zip的求和结果
duplicate_sum = df.groupby('Zip')['Quantity'].sum()[df.groupby('Zip')['Zip'].count() > 1]

内容的提问来源于stack exchange，提问作者TimmyBoi