如何在Pandas DataFrame中按分组合并行？附输入输出示例

核心逻辑：按ID+C分组，聚合item与Counter数据 #

从输入数据结构来看，我们需要以ID和C的组合作为分组依据，对每个分组内的item和Counter进行整理，以下是两种常见场景的实现方案：

方案1：转换为宽表（透视表） #

如果目标输出是把每个item作为独立列，对应展示该分组下的Counter值，可使用pivot方法：

import pandas as pd

data = {
    'ID': [500, 500, 500, 500, 500, 500, 500, 500, 400, 400, 400, 400, 400, 300, 200],
    'item': ['A', 'B', 'C', 'D', 'E', 'A', 'B', 'C', 'A', 'B', 'A', 'C', 'E', 'D', 'E'],
    'Counter': [1, 2, 3, 4, 5, 1, 2, 3, 1, 2, 1, 2, 1, 1, 1],
    'C': ['XX', 'XX', 'XX', 'XX', 'XX', 'YY', 'YY', 'YY', 'XX', 'XX', 'YY', 'YY', 'YY', 'XX', 'XX']
}
df = pd.DataFrame(data)

# 生成透视表，ID+C作为行索引，item作为列，Counter为值
pivot_result = df.pivot(index=['ID', 'C'], columns='item', values='Counter').reset_index()
# 处理缺失值与列名
pivot_result = pivot_result.fillna(0).rename_axis(None, axis=1)
print(pivot_result)

输出示例（截取部分）：

ID   C  A  B  C  D  E
0  200  XX  0  0  0  0  1
1  300  XX  0  0  0  1  0
2  400  XX  1  2  0  0  0
3  400  YY  1  0  2  0  1
4  500  XX  1  2  3  4  5
5  500  YY  1  2  3  0  0

方案2：聚合为列表格式 #

如果目标输出是把每个分组下的item和Counter打包成列表，可使用groupby+agg组合：

# 按ID+C分组，聚合item和Counter为列表
grouped_result = df.groupby(['ID', 'C']).agg(
    item_list=('item', list),
    counter_list=('Counter', list)
).reset_index()
print(grouped_result)

输出示例（截取部分）：

ID   C       item_list counter_list
0  200  XX             [E]          [1]
1  300  XX             [D]          [1]
2  400  XX          [A, B]       [1, 2]
3  400  YY       [A, C, E]    [1, 2, 1]
4  500  XX  [A, B, C, D, E]  [1, 2, 3, 4, 5]
5  500  YY       [A, B, C]    [1, 2, 3]

关键说明 #

• 两种方案可根据实际目标输出格式选择，透视表适合需要横向展示各item数据的场景，列表聚合适合保留原始序列的场景。
• 如果目标输出有特殊格式要求（比如自定义列名、特定缺失值处理），可在基础代码上添加rename、replace等方法调整。

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