熊猫groupby和sum，同时保留其他属性

我已经看到了熊猫aggregate功能的例子，但是这些并不能解决我的问题。由于集合函数的示例将所有属性加总或仅将几个属性加总，因此结果df仅具有这些加总的属性或在中使用的属性groupby。就我而言，我不想为group by或sum使用某些属性，而仍将它们保留在result中df。

我正在尝试对一些属性进行分组和汇总，同时保留其他未汇总的属性，但面临如下所述的挑战。

在我的交易数据集中，Customer_ID每个客户entry time都是唯一的，每个交易都是唯一的。任何客户在一段时间内都会进行多次交易。大多数事务重复两次或更多次，具体取决于与事务关联的标签数量（但通常为2到4个标签）。我需要每个交易等多个项目结合起来，只有1行，1 customer_ID，一个gender，age，entry time，location，country和所有的标签属性。

如果仅按进行分组customer_ID，entry time然后对Tag求和，则结果数据框将具有正确的唯一客户数量：150K。但我失去的属性gender，age，location，country，exit time，value 1，value 2在由此而来df。

result = df.groupby(["customer_ID","entry time"])["Tag1", "Tag2","Tag3","Tag4","Tag5","Tag6","Tag7","Tag8"].sum().reset_index()

如果我按所有必需的属性分组并汇总Tag，则我只能获得90K唯一客户，这是不正确的。

result = df.groupby(["customer_ID", "entry time", "gender", "age","location", "country", "exit time", "value 1", "value 2"
 ])["Tag1","Tag2","Tag3","Tag4","Tag5","Tag6","Tag7","Tag8"].sum().reset_index()

那么，如何有效地仅对customer_ID和进行分组entry time，对所有Tag列求和，并仍然保留结果中的其他属性df（df大小约为700 MB）？