如何基于userid列合并多行文本记录

原始数据 #

Input                     userid
hello                      1001  
hi                         1002  
my name is bill            1002  
how are you?               1003  
can you help?              1003  
what is new?               1005  
hello                      1006  
about my request           1006

需求目标 #

基于userid列对Input字段内容分组，将同一userid对应的所有Input文本用空格拼接，得到如下结果：

Input                      userid
hello                       1001  
hi my name is bill          1002  
how are you? can you help?  1003              
what is new?                1005  
hello about my request      1006

实现方法 #

1. Python Pandas（推荐数据处理场景） #

利用Pandas分组聚合功能快速实现：

import pandas as pd

# 构造数据（从文件读取可替换为pd.read_csv('your_file.csv')）
data = {
    'Input': ['hello', 'hi', 'my name is bill', 'how are you?', 'can you help?', 'what is new?', 'hello', 'about my request'],
    'userid': [1001, 1002, 1002, 1003, 1003, 1005, 1006, 1006]
}
df = pd.DataFrame(data)

# 分组拼接Input字段
result = df.groupby('userid')['Input'].apply(' '.join).reset_index()

# 输出结果
print(result)

2. SQL（适用于数据库存储的数据） #

不同数据库的字符串聚合函数略有差异：

• MySQL/MariaDB：

SELECT 
  GROUP_CONCAT(Input SEPARATOR ' ') AS Input,
  userid
FROM your_table
GROUP BY userid;

• PostgreSQL：

SELECT 
  STRING_AGG(Input, ' ') AS Input,
  userid
FROM your_table
GROUP BY userid;

• SQL Server（2017+）：

SELECT 
  STRING_AGG(Input, ' ') AS Input,
  userid
FROM your_table
GROUP BY userid;

3. Shell Awk（适用于纯文本文件） #

如果数据是空格/制表符分隔的文本文件，可直接用Awk处理：

# 假设数据以制表符分隔，若为空格需调整分隔符逻辑
awk -F'\t' '{
  if (input[$2] == "") input[$2] = $1
  else input[$2] = input[$2] " " $1
}
END {
  for (id in input) printf "%-30s %d\n", input[id], id
}' your_data.txt

内容的提问来源于stack exchange，提问作者Tal1992