python pandas 重複したデータの取り扱い

このようなデータに重複したものがあった場合、どのようにごうけいすれば良いのでしょうか。
[598255]の列を基準に、重複したデータの[1400700]の数値を合計。
宜しくお願い致します。

before
      SCAN  20201206  111420  20201206-111420  1400700    598255    
0    838.0     588.0     0.0              0.0     13.0  838588.0 NaN
1    838.0     804.0     0.0              0.0     12.0  838804.0 NaN
2    838.0     841.0     0.0              0.0     16.0  838841.0 NaN
3    838.0      14.0     0.0              0.0     14.0  838014.0 NaN
4    838.0     804.0     0.0              0.0     17.0  838804.0 NaN

after
      SCAN  20201206  111420  20201206-111420  1400700    598255    
0    838.0     588.0     0.0              0.0     13.0  838588.0 NaN
1    838.0     804.0     0.0              0.0     29.0  838804.0 NaN
2    838.0     841.0     0.0              0.0     16.0  838841.0 NaN
3    838.0      14.0     0.0              0.0     14.0  838014.0 NaN

行動規範の内容に同意します

回答1件

ベストアンサー

transformで集計した値を1400700列にセットし、その後598255列が重複する行を削除すればよいです。

Python
1import pandas as pd
2from io import StringIO
3
4# テストデータ
5s = """      SCAN  20201206  111420  20201206-111420  1400700    598255
6838.0     588.0     0.0              0.0     13.0  838588.0
7838.0     804.0     0.0              0.0     12.0  838804.0
8838.0     841.0     0.0              0.0     16.0  838841.0
9838.0      14.0     0.0              0.0     14.0  838014.0
10838.0     804.0     0.0              0.0     17.0  838804.0"""
11df = pd.read_csv(StringIO(s), delimiter='\s+')
12
13df['1400700'] = df.groupby('598255')['1400700'].transform('sum')
14df = df.drop_duplicates('598255')
15print(df)
16#    SCAN  20201206  111420  20201206-111420  1400700    598255
17#0  838.0     588.0     0.0              0.0     13.0  838588.0
18#1  838.0     804.0     0.0              0.0     29.0  838804.0
19#2  838.0     841.0     0.0              0.0     16.0  838841.0
20#3  838.0      14.0     0.0              0.0     14.0  838014.0