如何在Python中按多列分组对列表最后一列求和？

当然可以用Python实现这个需求！针对这种多列分组、最后一列求和的场景，我给你分享两个实用的方案，分别适合不同的场景：

方法一：用标准库collections.defaultdict（无需额外安装依赖） #

这个方法用Python自带的标准库就能搞定，原理清晰，适合小数据集或者不想引入第三方库的场景：

核心思路是：把除最后一列外的所有列作为分组的「键」（因为列表不能作为字典的键，所以转成元组），然后遍历原始数据，累加每个分组对应的最后一列数值。

from collections import defaultdict

# 你的原始数据
data = [['Andrew', '1', '9'], ['Peter', '1', '10'], ['Andrew', '1', '8'], ['Peter', '1', '11'], ['Sam', '4', '9'], ['Andrew', '2', '2']]
# 初始化一个默认值为0的字典，用来存每个分组的总和
result_dict = defaultdict(int)

for item in data:
    # 取前n-1列作为分组键，转成元组（列表不可哈希，不能当字典键）
    group_key = tuple(item[:-1])
    # 把最后一列转成整数，累加到对应分组的总和里
    result_dict[group_key] += int(item[-1])

# 把字典转换成你需要的列表格式
final_result = [list(key) + [str(total)] for key, total in result_dict.items()]
print(final_result)
# 输出：[['Andrew', '1', '17'], ['Peter', '1', '21'], ['Sam', '4', '9'], ['Andrew', '2', '2']]

这个方法的好处是完全不需要额外安装库，而且逻辑一目了然，就算是新手也能快速理解。

方法二：用pandas（适合大规模数据或复杂数据处理） #

如果你的数据量很大，或者需要做更复杂的分组聚合操作，用pandas会更高效、更简洁：

import pandas as pd

# 你的原始数据
data = [['Andrew', '1', '9'], ['Peter', '1', '10'], ['Andrew', '1', '8'], ['Peter', '1', '11'], ['Sam', '4', '9'], ['Andrew', '2', '2']]
# 把数据转换成DataFrame格式
df = pd.DataFrame(data, columns=['name', 'group_col', 'value'])
# 把最后一列转成数值类型（否则会按字符串拼接，不是求和）
df['value'] = df['value'].astype(int)

# 按前两列分组，对最后一列求和，然后重置索引
grouped_df = df.groupby(['name', 'group_col'])['value'].sum().reset_index()

# 转换成你需要的列表格式，如果需要把数值转回字符串，可以加.astype(str)
final_result = grouped_df.values.tolist()
# 或者转成带字符串的结果：final_result = grouped_df.astype(str).values.tolist()
print(final_result)
# 输出：[['Andrew', '1', 17], ['Andrew', '2', 2], ['Peter', '1', 21], ['Sam', '4', 9]]

pandas的优势在于处理大规模数据时性能远超纯Python循环，而且语法非常直观，后续如果要扩展其他聚合操作（比如求均值、计数）也非常方便。

额外提示 #

不管用哪种方法，都要注意：

• 最后一列必须转成数值类型（int/float）再求和，不然会变成字符串拼接（比如'9'+'8'会得到'98'而不是17）
• 分组的键必须是可哈希的类型（比如元组、字符串），所以要把列表形式的分组列转成元组（像方法一里那样）

内容的提问来源于stack exchange，提问作者Deepleeqe