如何基于替代码DataFrame，用自定义分组与groupby.agg合并主DataFrame行

错误原因 #

原代码抛出TypeError: unhashable type: 'Series'，是因为当替代DataFrame中同一个主产品码对应多个替代码时，map函数里的altf.set_index('Material')['Alt Material'].get(x, x)会返回Series对象而非单个字符串，导致分组键group中包含不可哈希的Series元素，触发pandas分组的哈希校验错误。

解决方案 #

需要先构建完整的物料-主码映射字典，确保主产品码和所有替代码都映射到同一个主组标识（主产品码），再基于该标识分组聚合：

修正后代码 #

if alt_name != "":
    altf = pd.read_excel(io=alt_name)
    
    # 1. 构建主码到替代码列表的映射
    main_to_alts = altf.groupby('Material')['Alt Material'].apply(list).to_dict()
    
    # 2. 构建完整的物料分组映射：主码映射到自己，替代码映射到对应主码
    material_group_map = {}
    for main_mat, alts in main_to_alts.items():
        material_group_map[main_mat] = main_mat
        for alt_mat in alts:
            material_group_map[alt_mat] = main_mat
    
    # 3. 给主DataFrame添加分组键
    df['group_key'] = df['Material'].map(lambda x: material_group_map.get(x, x))
    
    # 4. 定义聚合规则：数值列求和，物料/名称去重拼接
    agg_dict = {}
    for col in df.columns:
        if col in ['Material', 'Description', 'group_key']:
            continue
        agg_dict[col] = 'sum'  # 消耗量列求和
    
    # 对物料码和名称去重后拼接，避免重复项
    agg_dict['Material'] = lambda x: ' / '.join(sorted(set(x)))
    agg_dict['Description'] = lambda x: ' / '.join(sorted(set(x)))
    
    # 5. 分组聚合并清理临时列
    out = df.groupby('group_key', as_index=False).agg(agg_dict).drop(columns='group_key')
    df = out

关键改进点 #

• 双向映射：确保所有关联物料（主码+替代码）都归到同一分组，避免遗漏或分组错误
• 去重拼接：用set自动去重，再排序拼接，符合“删除替代行重复项”的需求
• 可哈希分组键：所有分组键都是字符串类型，彻底解决不可哈希的报错问题

内容的提问来源于stack exchange，提问作者amanmore