Pandas 如何仅对完全匹配的重复行合并并聚合Ranges列数值
实现方法说明
之前用df2 = df1.groupby(['Items']).sum()出问题的核心原因是分组维度缺失:仅按Items列分组,会把同分类下不同Ranges值的行全部归集求和,完全不符合“仅全字段一致的重复行才合并累加”的规则。
目前最高效的处理逻辑是匹配业务判断规则设置分组维度:
- 分组时将所有需要判断是否重复的字段(当前即
Items、Ranges两列)全部作为分组键,从机制上保证只有两列取值完全相同的行才会被归为同一组 - 对分组内的Ranges值直接求和,最后调整输出索引结构匹配目标格式
核心可运行代码
# 按全表所有字段分组,对同组Ranges值累加 result = df1.groupby(by=df1.columns.tolist(), as_index=False)['Ranges'].sum() # 将Items设为行索引,对齐目标输出结构 result = result.set_index('Items')
方法验证
针对给出的示例数据,上述代码的计算过程完全匹配预期:
- 两行取值完全相同的
(Items=A, Ranges=30)会被分为同一组,累加后得到30+30=60 - 单独的
(Items=A, Ranges=-10)自成一组,计算结果为-10 - 单独的
(Items=B, Ranges=20)自成一组,计算结果为20
最终输出结构和目标结果完全一致。
性能说明:这套写法直接复用pandas内置的哈希分组匹配逻辑,没有逐行遍历、临时表拼接的冗余操作,万级以上数据量下的运行效率远高于自定义判断的实现方式。
内容的提问来源于stack exchange,提问作者Animeartist
相关产品推荐
相关产品推荐

