如何在Pandas中提取其他列行数据相同时的Article列值列表

你需要按除Article外的所有列分组，筛选出分组后包含多个Article的组，再提取这些组的Article值组成元组列表。直接上代码：

首先构造示例DataFrame：

import pandas as pd

data = {
    'Rating': [5,5,5,4],
    'UserName': ['Madison','Madison','Lindsanna','Mamax4'],
    'ReviewDate': ['2023-06-05']*4,
    'Article': ['025-03-7579','025-03-2888','025-03-9268','025-03-1736'],
    'Score': [0.924742,0.924742,0.990300,0.875178]
}
df = pd.DataFrame(data)

然后执行核心逻辑：

# 确定分组列：排除Article
group_cols = df.columns.difference(['Article'])

# 分组后聚合Article为元组，筛选出元素数>1的组
result = (
    df.groupby(group_cols)['Article']
      .agg(tuple)
      .loc[lambda x: x.str.len() > 1]
      .tolist()
)

print(result)
# 输出：[('025-03-7579', '025-03-2888')]

代码说明 #

• df.columns.difference(['Article'])：自动获取所有除Article外的列，避免手动输入列名出错；
• groupby(group_cols)['Article'].agg(tuple)：按指定列分组，把每组的Article值拼成元组；
• .loc[lambda x: x.str.len() > 1]：只保留包含多个Article的分组（也就是你要找的重复数据组）；
• .tolist()：把最终结果转成列表格式，匹配你的需求。

你之前用groupby('Article')方向反了，应该按其他列分组而非按Article分组，所以没得到正确结果。

内容的提问来源于stack exchange，提问作者Faraz Khan