在Pandas GroupBy中基于子组匹配值生成1食1饮组合

现有记录用户多日多条日志的DataFrame，结构如下：

DATE        USER    TYPE     MORNING   AFTN   NIGHT   FOOD      BVG
01/11/2019        A       Bvg        1       0       1     -       Water
01/11/2019        A       Bvg        1       0       0     -       Juice
01/11/2019        A       Food       0       1       1     Rice     -
01/11/2019        A       Food       1       0       0     Noodle   -
02/11/2019        A       Bvg        1       0       0     -       Coffee
02/11/2019        A       Food       0       0       1     Bread    -
02/11/2019        A       Bvg        0       0       1     -        Tea
01/11/2019        B       Bvg        1       0       0     -        Water     
01/11/2019        B       Bvg        0       1       0     -        Tea
01/11/2019        B       Food       1       0       0     Rice      -

需求：找出同一天、同一时段（时段由MORNING/AFTN/NIGHT二进制列标识）下的1种食物（Food）+1种饮料（Bvg）的所有组合，生成包含时段（TIME）和组合（COMBINATION）的结果DataFrame，预期输出如下：

TIME            COMBINATION     
MORNING         Water, Noodle     
MORNING         Juice, Noodle    
 NIGHT          Water, Rice             
 NIGHT          Tea, Bread
MORNING         Water, Rice                     

尝试将时段列合并为字符串列后按日期、用户、时段分组，但无法限制组合仅为1食1饮，寻求可行的解决方法或思路。

步骤1：拆分时段列，展开记录 #

原始数据里一条记录可能对应多个时段（比如第一条Water同时属于MORNING和NIGHT），先把二进制的时段列转成明确的TIME字段，同时把每条记录拆成对应时段的独立行：

import pandas as pd

# 假设原始数据已加载为df，比如通过pd.read_csv()读取
# df = pd.read_csv("your_data.csv")

# 定义时段列列表
time_columns = ['MORNING', 'AFTN', 'NIGHT']

# 用melt方法拆分时段列
df_expanded = df.melt(
    id_vars=['DATE', 'USER', 'TYPE', 'FOOD', 'BVG'],
    value_vars=time_columns,
    var_name='TIME',
    value_name='is_active'
)

# 只保留实际属于该时段的记录
df_expanded = df_expanded[df_expanded['is_active'] == 1].drop('is_active', axis=1)

步骤2：拆分食物与饮料数据，做关联生成组合 #

把展开后的数据分成食物组和饮料组，再按DATE、USER、TIME做内关联，这样就能得到每个分组下的1食1饮组合：

# 提取食物数据，重命名字段方便后续关联
food_data = df_expanded[df_expanded['TYPE'] == 'Food'][['DATE', 'USER', 'TIME', 'FOOD']].rename(columns={'FOOD': 'food_item'})
# 提取饮料数据，同理重命名
bvg_data = df_expanded[df_expanded['TYPE'] == 'Bvg'][['DATE', 'USER', 'TIME', 'BVG']].rename(columns={'BVG': 'bvg_item'})

# 按日期、用户、时段关联，得到所有合法组合
combined = pd.merge(
    food_data,
    bvg_data,
    on=['DATE', 'USER', 'TIME'],
    how='inner'
)

# 生成组合列，整理成目标格式
result_df = combined.assign(
    COMBINATION=combined['bvg_item'] + ', ' + combined['food_item']
)[['TIME', 'COMBINATION']]

# 重置索引（可选操作）
result_df = result_df.reset_index(drop=True)

验证结果 #

运行上述代码后，result_df的内容就和预期输出一致，会列出所有符合条件的1食1饮组合。

内容的提问来源于stack exchange，提问作者vins