Pandas合并重复行：累加足球运动员赛季转会后的积分

嘿，我来帮你解决这个转会球员重复行合并的问题！首先得明确：咱们判断是不是同一个球员，得靠full_name这个唯一标识——毕竟像示例里的两个Bruno，名字缩写一样但全名不同，肯定是俩不同的球员对吧？所以核心思路就是按球员的全名分组，把他们在不同俱乐部（或者同一俱乐部不同阶段）的积分、首发/替补次数这些数据累加起来，其他信息按需整理。

先理清楚你的数据情况 #

先把你给的示例数据整理得清楚点：

你看，S. Mustafi是同一球员的两行记录（可能是赛季不同阶段的数据），而两个Bruno是完全不同的球员，所以分组的时候必须用full_name才不会出错。

直接上代码解决方案 #

方法1：灵活自定义聚合规则（推荐） #

这种方法可以针对每一列设置不同的处理逻辑，比如把球员效力过的俱乐部都列出来，数值列直接累加：

import pandas as pd

# 假设你的DataFrame叫df
# 定义每一列的聚合规则
agg_rules = {
    'name': 'first',  # 取第一个出现的名字缩写就行，毕竟和full_name一一对应
    'club': lambda x: ', '.join(x.unique()),  # 把所有效力过的俱乐部用逗号拼起来
    'Points': 'sum',  # 核心需求：累加积分
    'Start': 'sum',   # 首发次数也一起累加吧
    'Sub': 'sum'      # 替补次数同理
}

# 按full_name分组，应用规则，as_index=False让分组列不变成索引
merged_df = df.groupby('full_name', as_index=False).agg(agg_rules)

方法2：简化版（如果name和full_name完全对应） #

要是你确定name和full_name是一一对应的，也可以把这俩一起作为分组键，代码更简洁：

merged_df = df.groupby(['full_name', 'name'], as_index=False).agg({
    'club': lambda x: ', '.join(x.unique()),
    'Points': 'sum',
    'Start': 'sum',
    'Sub': 'sum'
})

看看处理后的效果 #

比如S. Mustafi的记录会合并成一行：

而两个Bruno会各自保留独立的行，因为他们的全名不一样，不会被错误合并。

额外小技巧 #

• 要是你只想保留球员最后效力的俱乐部，把club的聚合规则改成'club': 'last'就行；
• 要是还有其他列需要处理，直接在聚合规则里加对应的逻辑就好，比如日期列取最早/最晚，都很灵活。

内容的提问来源于stack exchange，提问作者pandasman