如何将行数据转置为列数据并按指定规则求和？求实现代码

没问题，我来帮你搞定这个需求！下面提供两种实现方式，一种是用pandas（处理表格数据超方便的工具），另一种是纯Python代码，不用额外安装库，你可以按需选择：

方法一：使用pandas实现（推荐，代码简洁易读） #

import pandas as pd

# 原始行数据
raw_data = [
    ["Steve", 10],
    ["Arnold", 15],
    ["Arnold", 20],
    ["Joseph", 30],
    ["Steve", 25]
]

# 转置为列格式的标准表格
df = pd.DataFrame(raw_data, columns=["Name", "Price"])

# 按Name分组求和
sum_by_name = df.groupby("Name")["Price"].sum()

# 计算目标结果
sum_arnold = sum_by_name["Arnold"]
sum_steve_joseph = sum_by_name["Steve"] + sum_by_name["Joseph"]

# 输出结构化结果表格
result_df = pd.DataFrame({
    "Sum(Arnold)": [sum_arnold],
    "sum(steve + joseph)": [sum_steve_joseph]
})
print(result_df)

运行这段代码后，你会得到如下输出：

Sum(Arnold)  sum(steve + joseph)
0           35                   65

方法二：纯Python实现（无需额外安装库） #

如果不想安装pandas，用基础Python也能轻松实现：

# 原始行数据
raw_data = [
    ["Steve", 10],
    ["Arnold", 15],
    ["Arnold", 20],
    ["Joseph", 30],
    ["Steve", 25]
]

# 初始化字典存储每个Name的总价格
sum_dict = {}
for name, price in raw_data:
    sum_dict[name] = sum_dict.get(name, 0) + price

# 计算目标结果
sum_arnold = sum_dict["Arnold"]
sum_steve_joseph = sum_dict["Steve"] + sum_dict["Joseph"]

# 格式化输出结果
print(f"Sum(Arnold)  sum(steve + joseph)")
print(f"{sum_arnold:<14}{sum_steve_joseph}")

运行后输出：

Sum(Arnold)  sum(steve + joseph)
35           65

两种方法都能完美满足你的需求，要是有啥细节想调整随时说哈！

内容的提问来源于stack exchange，提问作者Sunny