如何在Pandas中按日期分组统计各技术的积分总和？

嘿，我来帮你搞定这个需求！你遇到的问题核心是tech列是列表类型，而Pandas的groupby要求分组键必须是可哈希的（比如字符串、数值），列表是不可哈希的，所以直接分组会报错。咱们可以通过「拆分列表→分组求和→转成宽表」三步解决，具体看下面的步骤：

步骤1：拆分列表型的tech列 #

首先用explode()方法把每个列表里的技术拆成单独一行，同时保留对应的date和score值，这一步是关键：

import pandas as pd

# 复现你的原始数据
data = pd.DataFrame(
    {'date': ['2017-01-31', '2017-02-28', '2017-02-28'],
     'tech': [['c++', 'python'], ['c++', 'c', 'java'], ['java']],
     'score': [1, 4, 2]}
)

# 拆分tech列的列表
exploded_data = data.explode('tech')

拆分后的exploded_data长这样：

步骤2：按日期和技术分组求和 #

现在tech列已经是单个字符串了，就可以正常分组对score求和：

summed_data = exploded_data.groupby(['date', 'tech'])['score'].sum().reset_index()

分组求和后的结果：

步骤3：转成你想要的宽表格式 #

最后用pivot()把结果转成「日期为行，技术为列」的格式，缺失的数值用0填充：

result = summed_data.pivot(index='date', columns='tech', values='score').fillna(0).astype(int)

最终结果和你期望的一致：

如果想要技术为行，日期为列的格式，只需要交换pivot的index和columns参数：

result_transposed = summed_data.pivot(index='tech', columns='date', values='score').fillna(0).astype(int)

结果如下：

扩展：多列数值求和 #

如果你的数据里除了score还有其他需要求和的数值列，只需要把分组后的['score']去掉，直接用sum()即可：

# 假设新增other_score列
data['other_score'] = [2, 5, 3]
exploded_data = data.explode('tech')
summed_multi = exploded_data.groupby(['date', 'tech']).sum().reset_index()

这样会自动对所有数值列求和，之后再用pivot转格式就行。

内容的提问来源于stack exchange，提问作者kaksat