使用df.iloc[:, 0]分组聚合时为何会拼接分组列的字符串值？

这个问题其实是因为两种分组方式在pandas里的底层逻辑完全不一样，我给你拆解清楚：

1. 第一种方式：df.groupby(df.columns[0], as_index=False).sum()的逻辑 #

df.columns[0]其实就是字符串'species'，相当于你直接用列名指定分组键。当pandas看到你用列名字符串分组时，它会自动把该列当作分组的依据，并且在执行聚合操作（比如sum）时，默认不会对分组键本身应用聚合函数——它只会保留每个分组对应的唯一键值，然后对其他数值列求和，这就是你得到正常结果的原因。

2. 第二种方式：df.groupby(df.iloc[:, 0], as_index=False).sum()的逻辑 #

df.iloc[:,0]返回的是整个species列的Series对象，这时候你是把这个Series当作分组的"依据"传入，但原DataFrame里的species列依然是待聚合的列之一！

而在pandas里，字符串类型的Series调用sum()方法，行为就是把所有字符串拼接在一起——比如你有6个'a'，sum之后就是'aaaaaa'，这就是你看到分组列被重复拼接的核心原因。你可以自己验证一下：

df[df['species'] == 'a']['species'].sum()

运行这段代码，结果就是'aaaaaa'，和你第二种方式得到的结果完全一致。

怎么用iloc的方式得到正确结果？ #

如果你想通过位置指定分组列，又不想让分组列被聚合，可以这么做：

# 拿到分组列的列名，再用列名分组
grouped_df2 = df.groupby(df.iloc[:,0].name, as_index=False).sum()
# 或者手动指定要聚合的列
grouped_df2 = df.groupby(df.iloc[:,0], as_index=False)[['s1','s2','s3','s4']].sum()

这样就能得到和第一种方式一样的正常结果啦。

备注：内容来源于stack exchange，提问作者Ray