我有一个大数据框（大约35列），其中1列-concat_strs是数据框中8列的串联。这用于检测重复项。我想做的是在列concat_strs上聚集行，其中val, abs_val, price, abs_price具有相同的值（使用总和）。
我已完成以下操作：
agg_attributes = {'val': 'sum', 'abs_val': 'sum', 'price': 'sum', 'abs_price': 'sum'}
final_df= df.groupby('concat_strs', as_index=False).aggregate(agg_attributes)
但是，当我查看final_df时，我注意到2个问题：
final_df.reindex(columns=df.columns)，但是其他所有列都是NaN final_df中的行数与df中的行数相同（约30万行）。但是，应该减少它（手动检查）问题是-做错了什么，有什么改进建议吗？
答案 0 :(得分：0)
您对concat_strs进行分组，因此仅保留concat_strs和agg_attributes中的列，因为进行groupby操作，熊猫不知道如何处理其他列。 / p>
您可以在所有列中加上first来保持该列的第一个值（如果重复）或last等。这取决于您的需求。
也可以通过这种方式来消除重复操作，我敢打赌，您可以简单地删除所有重复项吗？
您也不需要concat_strs，因为groupby支持在要分组的列列表中的输入
答案 1 :(得分：0)
不确定我是否正确理解了这个问题。但是你可以试试看吗？
final_df = df.groupby(['concat_strs']).sum()