使用Python DataFrame聚合某列匹配的所有记录

先修正你原代码里的小问题：df['recordhash'].duplicated(keep=False)返回的是布尔数组，不能直接调用sort_values，得先筛选出重复行再排序：

dups = df[df['recordhash'].duplicated(keep=False)].sort_values('recordhash')

接下来通过分组聚合就能得到你想要的格式：

# 按recordhash分组，合并id为逗号分隔的字符串
result = dups.groupby('recordhash')['id']\
             .apply(lambda x: ', '.join(map(str, x)))\
             .reset_index(name='matching')\
             .reindex(columns=['matching', 'recordhash'])

代码说明： #

• groupby('recordhash')['id']：以recordhash为分组键，只处理id列
• apply(lambda x: ', '.join(map(str, x)))：把每个分组里的id转成字符串后，用逗号加空格连接成一个字符串
• reset_index(name='matching')：把分组后的索引（recordhash）转为普通列，同时给合并后的id列命名为matching
• reindex(columns=['matching', 'recordhash'])：调整列的顺序，让matching列排在前面

执行后输出就是你想要的格式：

matching recordhash
0    1, 10       ab15

内容的提问来源于stack exchange，提问作者JJ Ryan