如何在Pandas中按多列聚合sum并剔除False分组结果？

嘿，我来帮你搞定这个问题！你现在遇到的情况是因为把区域筛选条件直接当成了pivot_table的columns参数，所以结果自动拆分出了符合条件（True）和不符合（False）的两组。下面给你两种实用的解决办法：

如果你已经生成了dt_test，可以利用多级列索引快速筛选出True对应的部分：

# 提取所有年份列中标记为True的分组
dt_clean = dt_test.xs(True, level=1, axis=1)
# 可选：把多级列索引简化成普通年份列名
dt_clean.columns = dt_clean.columns.get_level_values(0)

处理后就能得到只保留目标区域求和结果的DataFrame啦：

1990  1995  2000
Scenario Variable Unit               
Baseline Methane  MtCO2eq    26    45    64

（PS：你示例里的True组1990结果写10应该是笔误啦，实际CHINA+INDIA+INDONESIA+KOREA的1990总和是5+6+7+8=26哦）

其实完全不需要用columns参数来拆分分组，先把需要的区域筛选出来再聚合，逻辑更清晰，结果也直接符合需求：

# 先定义你要汇总的目标区域列表
target_regions = ['CHINA', 'INDIA', 'INDONESIA', 'KOREA']
# 筛选出这些区域的行
filtered_dt = dt[dt['Region'].isin(target_regions)]
# 按指定维度聚合求和
dt_result = filtered_dt.pivot_table(index=['Scenario','Variable','Unit'], aggfunc=np.sum)

这样生成的结果直接就是你要的汇总数据，不会出现多余的False组：

1990  1995  2000
Scenario Variable Unit               
Baseline Methane  MtCO2eq    26    45    64

要是你之后需要同时生成多个区域组的汇总（比如既要东亚组又要其他区域组），可以先给数据打个分组标签再聚合，这样列名会更直观：

import numpy as np
# 给区域打分组标签
dt['Region_Group'] = np.where(dt['Region'].isin(target_regions), 'EastAsia', 'Others')
# 按分组聚合
dt_groups = dt.pivot_table(index=['Scenario','Variable','Unit'], columns='Region_Group', aggfunc=np.sum)

这样结果里的列名就是EastAsia和Others，比True/False好理解多啦~

内容的提问来源于stack exchange，提问作者kendalles