Python 使用特定列上的Groupby聚合函数，显示结果中的所有列

我希望有一个基于id的grouby和sum，但结果显示所有列

示例代码

将熊猫作为pd导入
将numpy作为np导入
mre=[
[“2018-1”，“出售”，109000.0，“公寓”，73.0,4.0]，
[“2018-1”，“出售”，109000.0，“公寓”，“南”，0.0]，
[“2018-2”，“出售”，239300.0，“房屋”，163.0,4.0]，
[“2018-2”，“出售”，239300.0，“房屋”，51.0,2.0]，
[“2018-2”，“出售”，239300.0，“房屋”，51.0,2.0]
]
df=pd.数据帧（mre）
#重命名列
df.columns=[“\u idMutation”，“typeOfSearch”，
“价格”、“建筑类型”、“表面”、“nbRoom”]
df[“表面”]=df[“表面”].aType（浮动）
打印（df）

基本数据帧

\u id变异类型搜索价格类型建筑表面n房间
0 2018-1售出109000.0套公寓73.0 4.0套
2018年1月售出109000.0套公寓NaN 0.0
2 2018-2售出239300.0套163.0 4.0
3 2018-2售出239300.0套51.0 2.0
4 2018-2售出239300.0套51.0 2.0

预期结果

groupby

基于

\u idMutation

，它对

曲面

和

nbRoom

求和，但不影响其他行。我想显示所有列，删除重复的

\u

并显示

groupby

\u id变异类型搜索价格类型建筑表面n房间
0 2018-1售出109000.0套公寓73.0 4.0套
2018年1月2日售出239300.0套住房265.08.0套

现行代码 下面的解决方案产生了预期的结果。我有1460万行，我提出的解决方案看起来没有优化

#Groupby on _idMutation&sum[“surface”，“nbRoom”]
gb_df=df[[“surface”，“nbRoom”]].groupby（df[“_idMutation”]）.sum（）
#删除重复项
drop_duplicates（subset=[“_idMutation”]，inplace=True）
#将_id设置为df索引
df.set_索引（“_idMutation”，inplace=True）
#Concat df与gb_df
df=pd.concat(
[df[[“搜索类型”、“价格”、“建筑类型”]]，gb_df]，轴=1）

我们可以使用

GroupBy.agg

并使用dict设置每列所需的聚合方法。在这种情况下，我们只需要

首先

和

求和

：

dfg = df.groupby("_idMutation", as_index=False).agg({
    "typeOfSearch": "first",
    "price": "first",
    "typeOfBuilding": "first",
    "surface": "sum",
    "nbRoom": "sum"
})

---

2018-2年

nbRoom

的

nbRoom

之和错误，您可以编辑吗？是的，很抱歉：）

  _idMutation typeOfSearch     price typeOfBuilding  surface  nbRoom
0      2018-1         Sold  109000.0    Appartement     73.0     4.0
1      2018-2         Sold  239300.0          House    265.0     8.0