有一个数据框，我需要按组并求和所有数据
我已经使用正则表达式函数找到并分组了所有以各个国家开头的特定数据组。
假设我有一个数据集
    Hierarchy   Cost   Type    Region
    A   10  I   X
    A   10  I   Y
    A   10  J   X
    A   10  J   Y
    A/B 10  I   X
    A/B 10  I   Y
    A/B 10  J   X
    A/B 10  J   Y
    A/B/C   10  I   X
    A/B/C   10  I   Y
    A/B/C   10  J   X
    A/B/C   10  J   Y
    A/B/C   10  K   X
    A/B/C   10  K   Y
    
预期输出 :
    Hierarchy   Cost   Type    Region
    A   30  I   X
    A   30  I   Y
    A   30  J   X
    A   30  J   Y
    A   10  K   X
    A   10  K   Y
    A/B 20  I   X
    A/B 20  I   Y
    A/B 20  J   X
    A/B 20  J   Y
    A/B 10  K   X
    A/B 10  K   Y
    A/B/C   10  I   X
    A/B/C   10  I   Y
    A/B/C   10  J   X
    A/B/C   10  J   Y
    A/B/C   10  K   X
    A/B/C   10  K   Y
分组规则：
唯一棘手的是"Hierarchy"，我希望输出中的成本是它自身及其所有子层次结构的总和，例如：
    Hierarchy   Price   Type    Region
    A   30  I   X
这是在添加以下内容：
    A   10  I   X
    A/B   10  I   X
    A/B/C   10  I   X
另一种情况是：
    Hierarchy   Price   Type    Region
    A   10  K   Y
在输入数据中没有记录"Hierarchy" A在"Type" K中，但有：
    A/B/C   10  K   Y
因为A/B/C是A的子层次结构，所以
    A   10  K   Y
被添加到输出中。
    df.groupby(grp_df['Hierarchy'].str.split('/').str[0], sort=False).sum().reset_index()
但它只给出：
    Hierarchy   Cost          
    A   140

# 步骤 1. 添加缺失的行
funcs = {col: 'first' for col in df.columns} | {'Cost': 'sum', 'Node': 'first'}
nodes = df['Hierarchy'].str.split('/')
# 步骤 2. 修复层次结构
paths = out['Hierarchy'].str.split('/', expand=True)
paths *= paths.eq(out['Node'], axis=0).replace(False, None).bfill(axis=1)
paths = paths.melt(ignore_index=False).dropna().groupby(level=0)['value'].agg('/'.join)
out['Hierarchy'] = paths

# 最终结果
>>> out
   Hierarchy  Cost Type Region Node
0          A    30    I      X    A
1          A    30    I      Y    A
2          A    30    J      X    A
3          A    30    J      Y    A
4          A    10    K      X    A
5          A    10    K      Y    A
6        A/B    20    I      X    B
7        A/B    20    I      Y    B
8        A/B    20    J      X    B
9        A/B    20    J      Y    B
10       A/B    10    K      X    B
11       A/B    10    K      Y    B
12     A/B/C    10    I      X    C
13     A/B/C    10    I
<details>
<summary>英文:</summary>
You can create the expected dataframe by exploding
With the same idea as your code, you can add missing rows using &#39;str.split&#39; and `explode`. However, you have to fix the `Hierarchy` column to get the expected dataframe:

Output:

**Note**: the code above is probably a bit slow but it should work. You can also use `networkx` to build the graph and use `Cost` column as weight then find all the simple paths from roots to leaves and collect the weight.
</details>
# 答案2
**得分**: 0
你需要将层次列拆分成字母，类似这样：
```python
b = ''
for i in 'ABC':
    b += i
    df[b] = 0
    df.loc[df[df['Hierarchy'].str.contains(i)].index, b] = b

df.groupby(by=['A','AB','ABC','Type','Region']).sum()