Pandas中按类别透视并去重交易ID后求和的实现方法

当然两种方法都能实现你的需求！关键是要先完成按Transaction_ID去重的步骤，不然直接用你现有的pivot_table代码会把重复交易的Transaction_Row重复累加，不符合要求。

方法一：先去重再用pd.pivot_table #

因为同一个Transaction_ID对应的Transaction_Row和Category是一致的，我们可以先把重复的交易记录去掉，再做透视求和：

import pandas as pd
import numpy as np

# 第一步：按Transaction_ID去重，保留每条交易的唯一记录
df_unique = df.drop_duplicates(subset=['Transaction_ID'])

# 第二步：用pivot_table按Category透视，对Transaction_Row求和
pivot_result = pd.pivot_table(
    df_unique,
    index=["Category"],
    values=["Transaction_Row"],
    aggfunc=np.sum
)

这样处理后，Transaction_ID=123的-1只会被统计一次，最终的透视结果就符合你的要求了。

方法二：用groupby直接完成 #

如果你不想单独生成去重后的DataFrame，也可以用嵌套groupby一步到位：

# 先按Category+Transaction_ID分组，取每组的Transaction_Row（因为同交易的数值一致，用first/max/min都可以）
# 再按Category汇总求和
groupby_result = df.groupby(['Category', 'Transaction_ID'])['Transaction_Row'].first().groupby('Category').sum()

这种方式更紧凑，本质是先完成了交易级别的去重，再做分类求和。

简单来说：如果偏好透视表的输出格式，先去重再用pivot_table完全可行；如果想写更简洁的代码，嵌套groupby是不错的选择，两种方法都能得到正确结果。

内容的提问来源于stack exchange，提问作者jeangelj