合并DataFrame重复行：按地理标识与日期汇总货运量

嘿，这个需求用pandas处理起来超简单！核心思路就是按地理标识（城市、国家）和日期分组，对货运量进行求和汇总，具体步骤如下：

1. 导入Pandas并构造示例DataFrame #

先把你提供的原始数据转换成标准的DataFrame格式：

import pandas as pd

# 对应你给出的原始重复数据
data = [
    ["London", "UK", "4/4/2018", 1],
    ["London", "UK", "4/4/2018", 1],
    ["London", "UK", "4/5/2018", 3],
    ["London", "UK", "4/5/2018", 2]
]
# 给列命名，方便后续操作
df = pd.DataFrame(data, columns=["City", "Country", "Date", "Freight_Volume"])

2. 分组求和合并重复行 #

这是核心操作：按City、Country、Date三列分组，对Freight_Volume列求和，as_index=False能让分组列保持为普通列，不会变成索引：

# 分组并汇总货运量
merged_df = df.groupby(["City", "Country", "Date"], as_index=False)["Freight_Volume"].sum()

3. 查看处理后的结果 #

运行下面的代码就能得到你想要的合并后数据：

print(merged_df)

输出结果：

City Country      Date  Freight_Volume
0  London      UK  4/4/2018               2
1  London      UK  4/5/2018               5

额外小贴士 #

如果你的日期列目前是字符串类型，后续需要做时间排序、区间筛选等操作，可以先把它转换成datetime类型：

# 将日期列转为标准datetime格式
df["Date"] = pd.to_datetime(df["Date"])

这样后续的时间相关操作会更顺畅~

内容的提问来源于stack exchange，提问作者blaziken140