Python 如何基于多个列中的匹配值聚合行？

假设我有以下几点

d = {'A': [True,False,True,True,False,False],'B': ["Blue","Yellow","Blue","Red","Green","Yellow"], 
'C': [1,2,3,4,5,6]}
df = pd.DataFrame(data=d)
print(df)

      A       B   C

0   True    Blue  1

1  False  Yellow  2

2   True    Blue  3

3   True     Red  4

4  False   Green  5

5  False  Yellow  6

我想将A和B的值相等的行聚合在一起，在C上求和。这将产生一个包含四行的新数据帧。作为一个例子，考虑行0和2。两行A的值相等，B的值相等。由于两行A和B的值相等，我希望将它们聚合到一行中，并将C的值更新为两行的C之和。表示第0行和第2行的新观察结果是（True，Blue，4）

注: 我想将作为解决方案提出的策略应用于一个大型数据集，在这个数据集中，基于硬编码条件进行聚合是不现实的（即如果a==x和B==y，则使用C的和进行聚合），因为x的值和y的值可能有数百或数千个不同的可能值。

我将使用

.groupby（）

as：

df.groupby(['A', 'B']).sum()

---

这将获取列“A”和“B”的所有唯一组合，并对其余列求和，在本例中为“C”。

这似乎可行，但似乎会使某些A列值消失。我如何防止这种情况？此外，上述内容与df.groupby（['A'，'B']）['C'].sum（）有何区别？当我使用此命令时，输出似乎略有不同。我不确定这将如何发生，您能否详细说明或给出一个示例

df.groupby（['A'，'B']）['C'].sum（）

只指定要求和的列，因此返回一个Pandas

Series

，而不是

DataFrame

@math454

df['C']=df.groupby（['A'，B']）transform（sum）