如果你想让聚合列有一个自定义的名称，如Total Number, Total等(这里的所有解决方案的结果是一个数据帧，其中聚合列命名为Number)，使用命名聚合:

df.groupby(['Fruit', 'Name'], as_index=False).agg(**{'Total Number': ('Number', 'sum')})

或者(如果自定义名称中不需要空格):

df.groupby(['Fruit', 'Name'], as_index=False).agg(Total=('Number', 'sum'))

这相当于SQL查询:

SELECT Fruit, Name, sum(Number) AS Total
FROM df 
GROUP BY Fruit, Name

说到SQL，有一个pandasql模块，它允许你使用SQL语法在本地环境中查询pandas dataframe。它不是Pandas的一部分，所以必须单独安装。

#! pip install pandasql
from pandasql import sqldf
sqldf("""
SELECT Fruit, Name, sum(Number) AS Total
FROM df 
GROUP BY Fruit, Name
""")

使用GroupBy.sum:

df.groupby(['Fruit','Name']).sum()

Out[31]: 
               Number
Fruit   Name         
Apples  Bob        16
        Mike        9
        Steve      10
Grapes  Bob        35
        Tom        87
        Tony       15
Oranges Bob        67
        Mike       57
        Tom        15
        Tony        1

要指定要求和的列，使用:df。groupby([“名称”,“水果”])(“数量”).sum ()

其他两个答案都达到了你想要的效果。

您可以使用pivot功能在一个漂亮的表中排列数据

df.groupby(['Fruit','Name'],as_index = False).sum().pivot('Fruit','Name').fillna(0)



Name    Bob     Mike    Steve   Tom    Tony
Fruit                   
Apples  16.0    9.0     10.0    0.0     0.0
Grapes  35.0    0.0     0.0     87.0    15.0
Oranges 67.0    57.0    0.0     15.0    1.0

.agg()函数的变体;提供了(1)持久化类型DataFrame的能力，(2)应用平均值，计数，总和等，(3)在保持易读性的同时，在多个列上启用分组。

df.groupby(['att1', 'att2']).agg({'att1': "count", 'att3': "sum",'att4': 'mean'})

运用你的价值观……

df.groupby(['Name', 'Fruit']).agg({'Number': "sum"})

你也可以使用agg函数，

df.groupby(['Name', 'Fruit'])['Number'].agg('sum')

df.groupby(['Fruit','Name'])['Number'].sum()

您可以选择不同的列来求和。