如何对比DataFrame中的值并将条件应用到新DataFrame？——合并相同MOL对应SIN字段的需求实现

没问题，我来帮你搞定这个DataFrame的处理需求！我们可以通过分组聚合+构造新表的两步法来实现你的要求，下面是具体的步骤和代码：

步骤1：按MOL分组并合并对应SIN值 #

首先，我们需要把原DataFrame中相同MOL值的SIN用逗号连接起来。这里可以用pandas的groupby配合agg方法来完成分组聚合：

import pandas as pd

# 构造原DataFrame
data = {
    'SIN': [339940, 322291, 321234],
    'MOL': [250000, 250000, 850000]
}
df = pd.DataFrame(data)

# 按MOL分组，将每组的SIN用逗号连接
grouped = df.groupby('MOL')['SIN'].agg(','.join).reset_index()

这一步执行后，grouped会得到一个包含两列的中间DataFrame：

步骤2：构造目标结构的新DataFrame #

接下来，我们需要把分组后的结果转换成你需要的SIN1、SIN2、MOL1、MOL2结构。由于示例中只有两个不同的MOL组，我们可以直接提取分组结果并构造新表：

# 提取分组后的结果列表
group_list = grouped.values.tolist()

# 构造目标DataFrame df1
df1 = pd.DataFrame({
    'SIN1': [group_list[0][1]],
    'SIN2': [group_list[1][1]],
    'MOL1': [group_list[0][0]],
    'MOL2': [group_list[1][0]]
})

执行后df1的结果就和你给出的示例完全一致了：

扩展：如果有多个不同MOL值的情况 #

如果你的原DataFrame中有更多不同的MOL组，想要把每个组的合并结果依次作为列（比如SIN1、SIN2、SIN3...），可以用pandas的转置或透视功能来生成宽表：

# 给分组后的结果添加序号列
grouped['sin_col'] = ['SIN' + str(i+1) for i in range(len(grouped))]
grouped['mol_col'] = ['MOL' + str(i+1) for i in range(len(grouped))]

# 分别生成SIN和MOL的宽表
sin_wide = grouped.pivot(columns='sin_col', values='SIN').reset_index(drop=True)
mol_wide = grouped.pivot(columns='mol_col', values='MOL').reset_index(drop=True)

# 合并成最终表
df1_extended = pd.concat([sin_wide, mol_wide], axis=1)

这样不管有多少个MOL组，都能自动生成对应的SIN和MOL列啦！

内容的提问来源于stack exchange，提问作者Rikky Bhai