如何基于固定首列分组聚合可变列数DataFrame的末列求和？

我来给你几个靠谱的解决方案，都是不需要修改末列名称就能搞定的：

首先，先明确核心需求：以固定名称的第一列为分组键，对名称不固定的最后一列求和。你之前尝试的iloc和df.columns[-1]思路其实是对的，可能只是写法上出了点问题，下面给你梳理正确的实现方式：

方法1：通过列名直接指定（最直观） #

先获取第一列和末列的名称，再传入groupby和聚合操作里：

import pandas as pd

# 示例DataFrame，模拟列数不固定的场景
df = pd.DataFrame({
    '固定分组列': ['X', 'Y', 'X', 'Y', 'Z'],
    '随机列1': [100, 200, 300, 400, 500],
    '随机末列': [5, 10, 15, 20, 25]
})

# 提取第一列和末列的名称
group_col = df.columns[0]
sum_col = df.columns[-1]

# 分组求和
result = df.groupby(group_col)[sum_col].sum()

这种方法的好处是代码可读性高，哪怕以后列名变了，逻辑依然成立。

方法2：用iloc直接定位列（无需列名） #

如果连第一列的名称都不想硬写（虽然你说第一列名称固定，但这个方法更通用），可以直接用iloc来定位分组列和求和列：

# 用iloc选取第一列作为分组键，末列作为求和列
result = df.groupby(df.iloc[:, 0])[df.iloc[:, -1]].sum()

这里要注意：df.iloc[:,0]返回的是一个Series，groupby会自动用这个Series的原列名作为结果的索引名称，完全不影响最终输出。

方法3：结合agg函数（扩展性更强） #

如果以后需要对末列做多个聚合操作（比如同时求和、求均值），用agg会更灵活：

result = df.groupby(group_col).agg({sum_col: 'sum'})

这种写法可以很方便地添加其他聚合规则，比如{sum_col: ['sum', 'mean']}就能同时得到求和和均值结果。

为什么你之前的尝试可能无效？ #

大概率是因为你在groupby之后直接用了iloc，比如错误写法：

# 错误示例：GroupBy对象不能直接用iloc
df.groupby('固定分组列').iloc[:, -1].sum()

正确的逻辑应该是先在groupby之后选取要聚合的列，再执行聚合操作，而不是反过来。

内容的提问来源于stack exchange，提问作者add787