Pandas：按分组应用函数并生成符合条件的新列Combined

现有如下DataFrame：

import pandas as pd
import numpy as np

item_df = pd.DataFrame({'BarCode': ['12345678AAAA', '12345678BBBB', '12345678CCCC',
                                    '12345678ABCD', '12345678EFGH', '12345678IJKL',
                                    '67890123XXXX', '67890123YYYY', '67890123ZZZZ',
                                    '67890123ABCD', '67890123EFGH', '67890123IJKL'],
                        'Extracted_Code': ['12345678','12345678', '12345678','12345678','12345678','12345678',
                                           '67890123','67890123', '67890123','67890123', '67890123','67890123'],
                        'Description': ['Fruits', 'Fruits', 'Fruits', 'Apples', 'Oranges', 'Mangoes',
                                        'Snacks', 'Snacks', 'Snacks', 'Yoghurt', 'Cookies', 'Oats'],
                        'Category': ['H', 'H', 'H', 'M', 'T', 'S', 'H', 'H', 'H', 'M', 'M', 'F'],
                        'Code': ['0', '2', '3', '1', '2', '4', '0', '2', '3', '3', '4', '2'],
                        'Quantity': [99, 77, 10, 52, 11, 90, 99, 77, 10, 52, 11, 90],
                        'Price': [12.0, 10.5, 11.0, 15.6, 12.9, 67.0, 12.0, 10.5, 11.0, 15.6, 12.9, 67.0]})

item_df = item_df.sort_values(by=['Extracted_Code', 'Category', 'Code'])
item_df['Combined'] = np.NaN

需要按Extracted_Code分组，为每组生成新列Combined，规则如下：

• Category为'H'的行，Combined列值为NaN；
• Category不为'H'的行，Combined列值为同分组内Category='H'且Code小于等于当前行Code的行的JSON格式列表。

目前已实现生成行JSON列表的代码，但困惑于如何在不丢失原有列的前提下，对每个组应用上述条件：

item_df.groupby(['Extracted_Code', 'Category', 'Code']).apply(lambda x: x.to_dict('records')).reset_index(name='Combined')

可以通过分组后对非H类行匹配同组H类数据的方式实现，核心思路是：

1. 先将Code转为数值类型，避免字符串比较的逻辑错误；
2. 按Extracted_Code分组，在每组内分离出H类数据作为匹配池；
3. 遍历每组内的非H类行，筛选出匹配池里Code≤当前行Code的记录，转为JSON格式列表；
4. 把结果映射回原DataFrame，保留所有原有列。

完整代码如下：

import pandas as pd
import numpy as np
import json  # 如需标准JSON格式则导入

# 先转换Code为数值类型，避免字符串比较的问题
item_df['Code'] = item_df['Code'].astype(int)

def process_group(group):
    # 提取当前组内Category为H的行，作为匹配池
    h_records = group[group['Category'] == 'H']
    # 遍历组内每一行，生成Combined值
    for idx, row in group.iterrows():
        if row['Category'] == 'H':
            group.loc[idx, 'Combined'] = np.nan
        else:
            # 筛选H类中Code≤当前行Code的记录，转为字典列表
            matched = h_records[h_records['Code'] <= row['Code']].to_dict('records')
            # 若要标准JSON字符串，替换为json.dumps(matched)
            group.loc[idx, 'Combined'] = str(matched)
    return group

# 按Extracted_Code分组处理，合并结果
result_df = item_df.groupby('Extracted_Code', group_keys=False).apply(process_group)

# 查看最终结果
print(result_df)

关键说明： #

• 转换Code类型：原数据中Code是字符串，直接比较会出现'10' < '2'的错误，转为int类型后才能正确比较大小；
• 分组内独立处理：每个分组单独提取H类数据，避免跨组匹配错误；
• 保留原列：使用group_keys=False避免分组键添加到索引，处理后直接返回完整的组数据，合并后保留所有原有列；
• JSON格式选择：如果需要标准JSON字符串，可替换str(matched)为json.dumps(matched)，需提前导入json模块。

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