如何在Pandas DataFrame中按类型聚合行并生成子值列

云上老周

2026-6-29

Pandas数据聚合实现

原始数据

group_id	types	max_value
1	['a','b','c','d','e']	100
1	['b']	10
1	['d']	90
1	['e']	120

需求说明

需要按规则聚合各类型对应的max_value生成新DataFrame：

以第一行的类型列表作为基准，该行的max_value为各类型的默认值
后续行中，若对应类型的max_value小于默认值，则覆盖默认值；若大于则保留默认值

期望结果

group_id	types	max_value	sub_values
1	['a','b','c','d','e']	100	[100,10,100,90,100]

规则说明

'a'、'c'无后续更小值，保留默认值100
'b'后续对应值10<100，覆盖为10
'd'后续对应值90<100，覆盖为90
'e'后续对应值120>100，保留默认值100

实现代码

import pandas as pd

# 构建原始DataFrame
df = pd.DataFrame({
    'group_id': [1, 1, 1, 1],
    'types': [['a','b','c','d','e'], ['b'], ['d'], ['e']],
    'max_value': [100, 10, 90, 120]
})

# 提取基准配置
base_types = df.iloc[0]['types']
base_val = df.iloc[0]['max_value']

# 初始化类型-值映射
type_value_map = {t: base_val for t in base_types}

# 遍历更新映射
for _, row in df.iloc[1:].iterrows():
    current_types = row['types']
    current_val = row['max_value']
    for t in current_types:
        if current_val < type_value_map[t]:
            type_value_map[t] = current_val

# 生成sub_values列表
sub_values = [type_value_map[t] for t in base_types]

# 构建结果DataFrame
result = pd.DataFrame({
    'group_id': [df.iloc[0]['group_id']],
    'types': [base_types],
    'max_value': [base_val],
    'sub_values': [sub_values]
})

print(result)