如何在Pandas DataFrame中添加用户分组唯一代码列？

我有一个记录用户代码的DataFrame：

UserID     Code
   123        A
   123        B
   123        A
   456        C
   456        D

想要添加一列显示每个用户的所有唯一代码，得到如下结果：

UserID     Code     UniqueCodes
   123        A          [A, B]
   123        B          [A, B]
   123        A          [A, B]
   456        C          [C, D]
   456        D          [C, D]

我尝试过df.groupby(by='UserID')['Code'].agg(['unique'])，但未成功；还尝试了df.groupby(by='UserID')['Code'].transform('unique')，结果报错：

'unique' is not a valid function name for transform(name)

方法1：用transform结合lambda调用pd.unique #

pandas的transform不支持直接传入字符串'unique'作为函数名，但可以通过lambda函数调用pd.unique()实现需求：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'UserID': [123, 123, 123, 456, 456],
    'Code': ['A', 'B', 'A', 'C', 'D']
})

# 添加UniqueCodes列
df['UniqueCodes'] = df.groupby('UserID')['Code'].transform(lambda x: list(pd.unique(x)))

pd.unique()会返回去重后的数组，转成列表格式与示例输出一致，且保留代码的原始出现顺序。

方法2：先聚合再合并 #

先通过groupby.agg生成每个用户对应的唯一代码映射表，再合并回原DataFrame：

# 聚合得到用户-唯一代码映射
unique_codes_map = df.groupby('UserID')['Code'].agg(lambda x: list(pd.unique(x))).reset_index(name='UniqueCodes')

# 左合并回原数据
df = df.merge(unique_codes_map, on='UserID', how='left')

这种方法逻辑直观，适合需要单独处理聚合结果的场景。

方法3：使用numpy.unique（结果会排序） #

如果需要对唯一代码进行排序，可以用np.unique()替代pd.unique()：

import numpy as np

df['UniqueCodes'] = df.groupby('UserID')['Code'].transform(lambda x: list(np.unique(x)))

注意np.unique()会自动对结果排序，而pd.unique()保留原始顺序，可根据需求选择。

内容的提问来源于stack exchange，提问作者Bijan