如何在Pandas中结合HAVING子句使用GROUP_CONCAT功能？

假设我有如下DataFrame：

如何使用Pandas实现与以下SQL语句相同的结果？

SELECT name, GROUP_CONCAT(type)
FROM df
GROUP BY name
HAVING COUNT(*)>1;

预期结果如下：

要实现对应SQL的逻辑，我们可以通过分组、聚合、过滤的步骤完成，具体代码如下：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'name': ['John', 'Joe', 'Joe', 'Marcus', 'John', 'John'],
    'type': [1, 0, 1, 0, 2, 0]
})

# 实现分组拼接+过滤逻辑
result = (
    df.groupby('name', as_index=False)
      # 聚合：拼接type为逗号分隔的字符串，同时统计每组数量
      .agg(
          type=('type', lambda x: ','.join(map(str, sorted(x)))),
          group_count=('name', 'count')
      )
      # 过滤出组内数量大于1的记录，对应SQL的HAVING子句
      .query('group_count > 1')
      # 移除临时计数列
      .drop('group_count', axis=1)
      # 将name列转为小写，匹配预期结果格式
      .assign(name=lambda x: x['name'].str.lower())
)

print(result)

关键步骤说明： #

• groupby('name', as_index=False)：按name字段分组，确保结果以普通列形式返回而非索引
• agg方法里的两个操作：
  • 对type列，先排序（匹配预期结果的顺序），再转为字符串并用逗号拼接，对应SQL的GROUP_CONCAT
  • 统计每组的行数，用于后续过滤
• .query('group_count > 1')：直接筛选出组内记录数大于1的分组，等价于SQL的HAVING COUNT(*)>1
• .assign(name=...)：把name列转为小写，和预期结果的格式一致

运行代码后得到的结果和预期完全一致：

name    type
0  john  0,1,2
1   joe    0,1

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