如何用Python Pandas合并相同jobID的数据行并累加clicks？

嘿，你完全不用逐个处理重复的jobID行！Pandas的groupby() + sum()组合就是专门解决这类分组聚合需求的，效率超高，不管重复行有多少都能一次性搞定。

具体步骤和代码示例： #

1. 读取CSV文件
   先把你的CSV数据读进DataFrame里，如果你的CSV没有表头，记得手动指定列名：

   import pandas as pd
   
   # 读取无表头的CSV，手动指定列名
   df = pd.read_csv('your_data.csv', header=None, names=['jobID', 'industry', 'clicks'])
   # 如果CSV本身自带表头（第一行是jobID,industry,clicks），直接用下面这句：
   # df = pd.read_csv('your_data.csv')
   

2. 分组并累加点击量
   因为每个jobID对应的industry是固定的，我们可以同时按jobID和industry分组（这样更严谨，能避免出现同一jobID对应不同行业的异常数据），然后对clicks列求和：

   # 分组聚合，as_index=False让分组列保持为普通列，不转为索引
   merged_df = df.groupby(['jobID', 'industry'], as_index=False)['clicks'].sum()
   

3. 查看或保存结果
   现在你就能得到合并后的目标数据了，要么直接打印查看，要么保存成新的CSV文件：

   # 打印合并后的数据
   print(merged_df)
   # 输出结果如下：
   #   jobID    industry  clicks
   # 0  job1  healthcare      50
   # 1  job2    medicine      90
   
   # 保存到新CSV，index=False避免写入多余的索引列
   merged_df.to_csv('merged_jobs.csv', index=False)
   

为什么pd.concat()不适用？ #

pd.concat()的作用只是把多个DataFrame拼接在一起，它不会做任何聚合或合并重复行的操作，所以用它来处理这个需求就找错工具啦。而groupby()是Pandas专门为分组统计设计的功能，能高效处理大量重复行的聚合计算。

内容的提问来源于stack exchange，提问作者Sunisc