如何在Pandas中按两列分组并将指定列的唯一值汇总至新列？

没问题，要按name1和name2的组合分组来提取prod的唯一值到新列，其实只需要稍微调整分组的列，再选择合适的方法就行。这里给你两种常用的方案，适配不同的习惯：

方案1：用transform（最简洁直接） #

transform方法会自动把分组后的结果映射回原DataFrame的每一行，不需要手动处理键的匹配，非常适合这种场景。

import pandas as pd

df = pd.DataFrame({'name1':['x','x','x','z','z'],'name2':['x','x','x','z','z'],'prod':['c','c','f','f','f']})

# 按name1+name2分组，提取prod的唯一值并映射回每一行
df['all_prods'] = df.groupby(['name1', 'name2'])['prod'].transform(lambda x: x.unique())

print(df)

执行后输出结果：

name1 name2 prod all_prods
0     x     x    c    [c, f]
1     x     x    c    [c, f]
2     x     x    f    [c, f]
3     z     z    f       [f]
4     z     z    f       [f]

原理说明：groupby(['name1','name2'])指定了双列分组逻辑，transform(lambda x: x.unique())会为每个分组计算prod的唯一值数组，然后自动将这个数组重复填充到该分组的所有行中，完美匹配原DataFrame的结构。

方案2：沿用你熟悉的map思路（适配原有代码习惯） #

如果你习惯用单列分组时的map方法，只需要把name1和name2组合成元组作为映射的键即可——因为双列分组后的结果是MultiIndex索引，对应的键就是(name1值, name2值)的元组。

import pandas as pd

df = pd.DataFrame({'name1':['x','x','x','z','z'],'name2':['x','x','x','z','z'],'prod':['c','c','f','f','f']})

# 先按双列分组，得到每个组合对应的唯一prod
grouped_prods = df.groupby(['name1', 'name2'])['prod'].unique()

# 将name1和name2合并为元组Series，再用map匹配分组结果
df['all_prods'] = df[['name1', 'name2']].apply(tuple, axis=1).map(grouped_prods)

print(df)

输出结果和方案1完全一致。

原理说明：df[['name1','name2']].apply(tuple, axis=1)会把每一行的name1和name2值打包成元组，比如第一行就是('x','x')，然后用这个元组去grouped_prods里查找对应的唯一prod数组，实现映射。

内容的提问来源于stack exchange，提问作者corianne1234