Pandas按列表列分组求和报错：如何合并列表列并汇总Count？

我懂你遇到的麻烦了——直接用groupby('List')会报错，核心原因是列表属于不可哈希（unhashable）的可变类型，而Pandas的分组操作要求分组键必须是可哈希的（比如字符串、元组这类不可变类型）。下面给你几个实用的解决办法：

方法1：将列表转为元组（最常用方案） #

把List列里的列表转换成元组（元组是不可变、可哈希的），之后再进行分组求和，最后可以按需转回列表：

import pandas as pd

df = pd.DataFrame({'List': [['once', 'upon'], ['once', 'upon'], ['a', 'time'], ['there', 'was'], ['a', 'time']], 'Count': [2, 3, 4, 1, 2]})

# 把列表转成元组作为临时分组键
df['List_tuple'] = df['List'].apply(tuple)
# 分组求和后重置索引，再把元组转回列表
result = df.groupby('List_tuple')['Count'].sum().reset_index()
result['List'] = result['List_tuple'].apply(list)
# 清理临时列，调整列顺序到预期格式
result = result.drop('List_tuple', axis=1)[['Count', 'List']]

print(result)

运行后就能得到你想要的结果：

Count           List
0      6     [a, time]
1      5  [once, upon]
2      1  [there, was]

方法2：使用groupby的key参数（Pandas 1.3.0+适用） #

如果你用的是Pandas 1.3.0及以上版本，可以直接在groupby里指定key参数转换列表，不需要额外新增列，更简洁：

result = df.groupby(df['List'].apply(tuple))['Count'].sum().reset_index()
result['List'] = result['List'].apply(list)
result = result[['Count', 'List']]

方法3：JSON序列化列表（适配复杂嵌套结构） #

如果你的列表里有嵌套的复杂元素，转元组可能不好用，可以把列表序列化成JSON字符串作为分组键，兼容性更强：

import json

df['List_json'] = df['List'].apply(json.dumps)
result = df.groupby('List_json')['Count'].sum().reset_index()
result['List'] = result['List_json'].apply(json.loads)
result = result.drop('List_json', axis=1)[['Count', 'List']]

补充：为什么直接分组列表会报错？ #

简单来说，Pandas分组时需要把分组键存入哈希表来快速匹配分组，而列表是可变对象（你可以随时修改列表内的元素），可变对象无法被哈希，所以会抛出TypeError: unhashable type: 'list'的错误。把它转成不可变的类型（元组、字符串）就能解决这个问题啦。

内容的提问来源于stack exchange，提问作者Luxo_Jr