Pandas中按匹配条件合并行的实现方法求助

首先，我们可以通过行索引定位或者分组后处理来实现你的需求，下面分两种场景给出具体代码：

场景1：全局范围内更新（不按id分组） #

假设你的DataFrame包含Name1、Name2和数值列（比如叫value），我们可以先定位到要累加的源行数值，再更新目标行：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'Name1': ['xy', 'yz', 'ab'],
    'Name2': ['a', 'b', 'c'],
    'value': [10, 20, 30]
})

# 1. 获取要累加的数值：Name1=xy且Name2=a对应的value
add_value = df.loc[(df['Name1'] == 'xy') & (df['Name2'] == 'a'), 'value'].iloc[0]

# 2. 更新目标行：Name1=yz且Name2=b的value加上add_value
df.loc[(df['Name1'] == 'yz') & (df['Name2'] == 'b'), 'value'] += add_value

# 查看结果
print(df)

如果你习惯用np.where，也可以这样写（本质是对列做条件替换）：

df['value'] = np.where(
    (df['Name1'] == 'yz') & (df['Name2'] == 'b'),
    df['value'] + add_value,
    df['value']
)

场景2：按id分组后更新（每个id组内独立执行加法） #

如果你的DataFrame有id列，需要每个分组内都执行“(yz,b) += (xy,a)”的操作，可以用groupby结合自定义函数实现：

# 示例带id的DataFrame
df = pd.DataFrame({
    'id': [1,1,2,2],
    'Name1': ['xy', 'yz', 'xy', 'yz'],
    'Name2': ['a', 'b', 'a', 'b'],
    'value': [10, 20, 15, 25]
})

# 定义分组处理函数
def update_group(group):
    # 找到当前组内(xy,a)的数值
    source_val = group.loc[(group['Name1'] == 'xy') & (group['Name2'] == 'a'), 'value']
    # 如果该组存在源行，就更新目标行
    if not source_val.empty:
        group.loc[(group['Name1'] == 'yz') & (group['Name2'] == 'b'), 'value'] += source_val.iloc[0]
    return group

# 按id分组并应用函数
df_updated = df.groupby('id').apply(update_group).reset_index(drop=True)

print(df_updated)

关键说明： #

• 用df.loc[条件, 列名]可以精准定位到目标行的指定列，直接做加法操作是最直观的行级更新方式；
• 如果源行可能存在多个匹配，需要根据实际情况调整（比如用.sum()取总和，而不是.iloc[0]取单个值）；
• 分组场景下，apply函数会遍历每个分组，确保每个组内的操作独立完成。

内容的提问来源于stack exchange，提问作者TylerNG