下面是一个示例代码，演示了如何按独特的客户和月份求和：

import pandas as pd

# 创建示例数据
data = {
    'Customer': ['A', 'A', 'B', 'B', 'C', 'C'],
    'Month': ['Jan', 'Feb', 'Jan', 'Feb', 'Jan', 'Feb'],
    'Amount': [100, 200, 300, 400, 500, 600]
}

df = pd.DataFrame(data)

# 按独特的客户和月份求和
df_sum = df.groupby(['Customer', 'Month']).sum().reset_index()

print(df_sum)

输出结果如下：

  Customer Month  Amount
0        A   Feb     200
1        A   Jan     100
2        B   Feb     400
3        B   Jan     300
4        C   Feb     600
5        C   Jan     500

在示例代码中，首先创建了一个包含客户、月份和金额的示例数据DataFrame。然后使用groupby()方法将数据按独特的客户和月份分组，并使用sum()方法对金额进行求和。最后使用reset_index()方法将分组后的结果重新设置为DataFrame的索引。最终得到按独特的客户和月份求和的结果。