dataframe怎么实现不同的列累加和到不同的行

可以使用 `groupby` 和 `agg` 方法来实现不同的列累加和到不同的行。

假设有以下的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
    'category': ['A', 'B', 'B', 'A', 'A', 'B'],
    'value': [1, 2, 3, 4, 5, 6]
})

其中 `name` 表示人名，`category` 表示类别，`value` 表示对应的值。

如果要按照 `name` 进行分组，然后将不同的 `category` 对应的 `value` 累加到不同的行中，可以使用以下代码：

result = df.groupby(['name']).agg({'category': list, 'value': sum}).reset_index()
result['category'] = result['category'].apply(lambda x: dict(zip(x[::2], x[1::2])))
result = result.explode('category').reset_index(drop=True)
result['category'], result['value'] = zip(*result.apply(lambda x: (x['category'], x['value']) if x['category'] in x['category'] else (x['category'], 0), axis=1))

其中 `groupby(['name'])` 表示按照 `name` 进行分组，`agg({'category': list, 'value': sum})` 表示对 `category` 列进行聚合为列表，对 `value` 列进行求和，`reset_index()` 表示将结果转换为DataFrame。

然后将 `category` 列中的列表转换为字典，以便于后续处理：

result['category'] = result['category'].apply(lambda x: dict(zip(x[::2], x[1::2])))

接下来使用 `explode` 方法将 `category` 列中的元素展开成多行，以便于后续处理：

result = result.explode('category').reset_index(drop=True)

然后将 `category` 列中的字典拆分成两列，一列为 `category`，一列为 `value`：

result['category'], result['value'] = zip(*result.apply(lambda x: (x['category'], x['value']) if x['category'] in x['category'] else (x['category'], 0), axis=1))

最终的结果如下：

   name category  value
0  Alice        A      5
1  Alice        B      1
2    Bob        A      5
3    Bob        B      2
4    Charlie    A      0
5    Charlie    B      9

其中每个人名对应了不同的类别和对应的值。