求助：基于sheet_internal_id列值对Pandas数据分组未达预期

我手里的CSV数据是这种结构：同一个sheet_internal_id对应多条记录，nct_id值完全相同，stat_design有多个不同条目。我需要按sheet_internal_id分组，把同一组的stat_design用逗号拼起来，最终每个sheet_internal_id只保留一行，包含对应的nct_id和拼接后的stat_design。

我试了这段代码，没得到想要的结果：

df_1 = df.fillna('').groupby(['sheet_internal_id','nct_id'])['stat_design'].apply(','.join).reset_index()

你这段代码的问题是分组时同时指定了sheet_internal_id和nct_id两个字段，其实只要按sheet_internal_id单字段分组，同时对nct_id取唯一值、对stat_design做拼接就行，给你两种可行写法：

写法一：一次性聚合多字段 #

直接用agg()方法，对不同字段指定不同的聚合逻辑，简单直接：

df_1 = df.fillna('').groupby('sheet_internal_id').agg(
    nct_id=('nct_id', 'first'),  # 同一组nct_id相同，取第一个值就行
    stat_design=('stat_design', ','.join)
).reset_index()

写法二：先统一nct_id再分组 #

如果担心同一sheet_internal_id下nct_id有不一致的情况（比如空格、大小写差异），可以先把每组的nct_id统一成同一个值，再分组拼接：

# 把同一sheet_internal_id下的nct_id统一为第一个值
df['nct_id'] = df.groupby('sheet_internal_id')['nct_id'].transform('first')
# 再分组拼接stat_design
df_1 = df.fillna('').groupby(['sheet_internal_id','nct_id'])['stat_design'].apply(','.join).reset_index()

补充说明 #

如果同一sheet_internal_id下的nct_id本来就完全一致，原代码理论上应该能得到正确结果，但如果nct_id存在隐形差异（比如前后空格），就会被分成不同组，导致结果不符合预期。用单字段分组+聚合的方式能避免这种问题。

内容的提问来源于stack exchange，提问作者Sourabh Raj