如何在DataFrame的groupby.apply中仅对指定列执行求和操作？

这个问题很常见——当你用groupby.apply的时候，如果直接对整个分组做求和，pandas会默认对所有列执行操作，所以那些你想保留原值的列也被意外求和了。这里有两种靠谱的解决方法，推荐第一种，更高效简洁：

方法1：使用groupby.agg指定列级操作 #

这是最直接的方案，你可以明确告诉pandas每一列需要执行什么操作。因为你是按a、b、c分组的，同一组内的a、b值肯定是相同的，所以用first/last就能保留它们的原值；而c、e列我们用sum来计算总和。

示例代码：

import pandas as pd

# 假设你的原始数据是df
result = df.groupby(['a', 'b', 'c'], as_index=False).agg(
    a=('a', 'first'),
    b=('b', 'first'),
    c=('c', 'sum'),
    d=('d', 'first'),
    e=('e', 'sum')
)

这样处理后，a、b、d列会保留分组内的原始值，只有c和e列是求和后的结果，完全符合你的需求。

方法2：自定义apply函数（适合复杂场景） #

如果你的操作比单纯求和更复杂，需要用apply的话，那就要在自定义函数里只对目标列操作，然后保留其他列的原值：

def process_group(group):
    # 复制分组数据，避免修改原DataFrame
    processed = group.copy()
    # 计算c、e列的总和
    sum_vals = group[['c', 'e']].sum()
    # 把总和赋值到分组的第一行，其他行丢弃
    processed.loc[processed.index[0], ['c', 'e']] = sum_vals
    return processed.iloc[[0]]

# 执行分组操作并重置索引
result = df.groupby(['a', 'b', 'c'], as_index=False).apply(process_group).reset_index(drop=True)

这个函数里，我们只修改c和e列的值，其他列保持分组内的原始数据，最后只返回分组的第一行，这样就不会出现不需要的求和结果了。

为什么你的原始代码会出问题？ #

如果你的原始代码是类似df.groupby(['a','b','c']).apply(lambda x: x.sum())，那pandas会对分组后的所有列执行求和操作，包括a、b、d——这就是那些列被求和的原因。所以一定要明确指定操作的列范围。

内容的提问来源于stack exchange，提问作者shayelk