如何按category类型对列求和并保留零值（含DataFrame示例）

我来帮你搞定这个需求！从你给出的输入和输出来看，核心是要把分散在Id和Category下的小时数，汇总成每个Id对应不同类别（A/B）的小时数，还得自动给没有对应类别的Id补0，同时保持Id的原始顺序对吧？

先把你的数据用代码还原出来，方便演示：

原始输入DataFrame #

import pandas as pd

df = pd.DataFrame({
    'Id': [1, 1, 1, 2, 2, 3],
    'Category': ['A', 'A', 'B', 'A', 'B', 'A'],
    'Hours': [1, 3, 4, 2, 6, 3]
})

你期望的输出 #

Id  Total Hours  A_Hours  B_Hours
0   1            8        4        4  # 这里提一句：你给出的示例里Total Hours写的是5，应该是笔误哦，实际是4+4=8
1   2            8        2        6
2   3            3        3        0

下面给你两种简洁的实现方法，都能完美满足需求：

方法一：Groupby + Unstack 组合法 #

这个方法逻辑清晰，分步操作容易理解：

# 1. 按Id和Category分组，对Hours求和，再把Category转成列，缺失值补0
grouped = df.groupby(['Id', 'Category'])['Hours'].sum().unstack(fill_value=0)

# 2. 给类别列加上_Hours后缀，符合你的输出命名
grouped = grouped.rename(columns={'A': 'A_Hours', 'B': 'B_Hours'})

# 3. 计算Total Hours列，就是A和B的小时数之和
grouped['Total Hours'] = grouped['A_Hours'] + grouped['B_Hours']

# 4. 调整结构：把Id从索引变回普通列，再调整列的顺序
result = grouped.reset_index()[['Id', 'Total Hours', 'A_Hours', 'B_Hours']]

print(result)

方法二：Pivot_table 一步到位法 #

Pandas的pivot_table天生就适合做这种行列转换+汇总的工作，代码更紧凑：

result = pd.pivot_table(
    df,
    index='Id',          # 按Id分组
    columns='Category',  # 把Category转成列
    values='Hours',      # 要汇总的字段是Hours
    aggfunc='sum',       # 汇总方式是求和
    fill_value=0         # 缺失的类别自动补0
)

# 重命名列、计算Total Hours、调整列顺序
result = result.rename(columns={'A': 'A_Hours', 'B': 'B_Hours'})
result['Total Hours'] = result.sum(axis=1)
result = result.reset_index()[['Id', 'Total Hours', 'A_Hours', 'B_Hours']]

print(result)

为什么这个方法能解决你的问题？ #

1. 自动补0：不管是unstack(fill_value=0)还是pivot_table(fill_value=0)，都会自动给某个Id下不存在的Category填充0，完美解决你需要的零值保留需求；
2. 保持顺序：因为我们是基于原始数据的Id分组，最终的Id顺序会和原始数据中首次出现的顺序一致（这里就是1→2→3）；
3. 扩展性强：如果之后你的Category新增了C、D之类的类别，代码不需要修改，会自动把新类别转成对应的列并补0。

备注：内容来源于stack exchange，提问作者hailthedawn