Pandas DataFrame分组时如何保留带空格的原始行名称

原始DataFrame：

name          count
-------------------
apple pie     1
applepie      3
blueberries   2
green tea     1

现有分组代码：

df["sans_spaces"] = df["name"].str.replace(" ", "")
grouped_df = df.groupby("sans_spaces", as_index=False).aggregate({"count": "sum"})

执行后得到的结果：

name          count
-------------------
applepie      4
blueberries   2
greentea      1

期望实现的最终结果：

name          count
-------------------
apple pie     4
blueberries   2
green tea     1

需要解决的核心问题：分组求和后，保留带空格的原始名称值，而非去空格后的字符串。

解决方法 #

方法1：聚合时同时保留原始名称的第一个出现值 #

修改聚合逻辑，在aggregate中同时指定name字段的处理规则，直接取每组内第一个出现的原始名称：

df["sans_spaces"] = df["name"].str.replace(" ", "")
grouped_df = df.groupby("sans_spaces", as_index=False).aggregate(
    {"count": "sum", "name": "first"}
)
# 移除辅助列（可选）
grouped_df = grouped_df.drop("sans_spaces", axis=1)

方法2：无需新增列，直接用去空格字符串作为分组键 #

可以跳过新增sans_spaces列的步骤，直接在groupby中使用去空格后的字符串作为分组依据：

grouped_df = df.groupby(df["name"].str.replace(" ", ""), as_index=False).aggregate(
    {"count": "sum", "name": "first"}
)

方法3：优先保留带空格的原始名称 #

如果每组内存在多种格式的名称（如同时有带空格和不带空格的），想强制优先保留带空格的名称，可以自定义聚合函数：

def pick_preferred_name(names):
    # 遍历组内名称，返回第一个带空格的，无则返回第一个元素
    for name in names:
        if " " in name:
            return name
    return names.iloc[0]

df["sans_spaces"] = df["name"].str.replace(" ", "")
grouped_df = df.groupby("sans_spaces", as_index=False).aggregate(
    {"count": "sum", "name": pick_preferred_name}
).drop("sans_spaces", axis=1)

以上方法均可实现分组求和后保留带空格的原始名称的需求。

内容的提问来源于stack exchange，提问作者user24995271