使用 DataFrame.groupby().sum() 时，Pandas 会默认对所有数值列求和，但对字符串列执行连接（concatenation），导致如 "A" + "B" + "C" → "ABC" 的意外结果；正确做法是显式排除非数值列或指定聚合函数。
使用 `dataframe.groupby().sum()` 时，pandas 会默认对所有数值列求和，但对字符串列执行连接（concatenation），导致如 "a" + "b" + "c" → "abc" 的意外结果；正确做法是显式排除非数值列或指定聚合函数。
在 Pandas 中，groupby(...).sum() 是一个便捷但隐式类型敏感的操作：它会对所有可求和的列（包括字符串）调用其 + 运算符。对于字符串，+ 表示拼接，因此分组后 col_3（如类别型字符串 'A', 'B', 'C'）会被串联成类似 'AACBB' 的无意义组合——这既非统计需求，也易引发逻辑错误。
✅ 正确解决方案
方法一：提前剔除非数值列（推荐）
最直接、安全的方式是在 groupby 前用 .drop(columns=...) 移除字符串列：
# 仅对数值列 col_4 进行分组求和 result = df.drop(columns='col_3').groupby(['col_1', 'col_2']).sum()
该方法清晰表达意图，避免副作用，且性能高效。
方法二：使用 agg() 显式指定每列聚合方式
当需保留字符串列并做有意义聚合（如取众数、首值、唯一值列表）时，应使用 agg 并按列定制函数：
result = df.groupby(['col_1', 'col_2']).agg({
'col_3': lambda x: x.mode().iloc[0] if not x.mode().empty else None, # 众数（最频繁值）
'col_4': 'sum'
})
也可简写为：
result = df.groupby(['col_1', 'col_2']).agg({
'col_3': 'first', # 或 'last', 'nunique', lambda x: ', '.join(x.unique())
'col_4': 'sum'
})
方法三：利用 select_dtypes() 自动筛选数值列
适用于列较多、类型混杂的场景，避免手动列举：
numeric_cols = df.select_dtypes(include=np.number).columns result = df.groupby(['col_1', 'col_2'])[numeric_cols].sum()
⚠️ 注意事项
- ❌ 避免直接对含字符串列的 DataFrame 调用 .sum() 做分组聚合，除非明确需要字符串拼接（极少见）；
- ✅ 检查 df.dtypes 确认列类型，尤其注意 object 类型是否真为字符串（而非未转为 category 的分类变量）；
- ? 若 col_3 实为类别变量（如性别、地区），建议先转为 pd.Categorical，再用 agg({'col_3': 'mode'}) 或 agg({'col_3': pd.Series.mode}) 获取统计意义更强的结果；
- ? sum() 对布尔列等价于计数（True=1），但对字符串永远是拼接——这是设计行为，非 bug，务必主动规避。
总之，Pandas 的聚合操作遵循“列导向”而非“语义导向”，开发者需主动控制参与聚合的列及其函数，而非依赖默认行为。显式优于隐式，安全始于类型意识。
