Pandas按ROU_ROUTE_ID分组聚合点列表的实现难题

方法一：修复自定义函数的分组聚合 #

你之前的问题是没在自定义函数里正确访问分组后的列，其实分组后的x是一个子DataFrame，直接通过列名就能读取数据。可以这么实现：

import pandas as pd

# 加载示例数据
data = pd.DataFrame([
    [502, 'S', 'A1', 1, 'BRY', 'LUREN'],
    [502, 'S', 'A1', 2, 'LUREN', 'DJL'],
    [502, 'S', 'A1', 3, 'DJL', 'LISMO'],
    [502, 'S', 'A1', 4, 'LISMO', 'SIROD'],
    [502, 'S', 'A100', 1, 'KL', '*ROS1'],
    [502, 'S', 'A100', 2, '*ROS1', 'AMEPU'],
    [502, 'S', 'A100', 3, 'AMEPU', 'SARZI']
], columns=['AC_ID','AC_PERIOD','ROU_ROUTE_ID','SEQUENCE_NR','SEG_POINT_FROM_ID','SEG_POINT_TO_ID'])

def get_route_points(df):
    # 提取所有起点
    from_points = df['SEG_POINT_FROM_ID'].tolist()
    # 提取分组最后一个终点
    last_to_point = df['SEG_POINT_TO_ID'].iloc[-1]
    # 合并成完整点列表
    return from_points + [last_to_point]

# 分组执行聚合
result = data.groupby('ROU_ROUTE_ID').apply(get_route_points)

# 输出你要的格式
for route_id, points in result.items():
    print(f"{route_id},{points}")

运行后输出：

A1,['BRY', 'LUREN', 'DJL', 'LISMO', 'SIROD']
A100,['KL', '*ROS1', 'AMEPU', 'SARZI']

方法二：更高效的Pandas原生聚合（避免apply） #

如果数据集规模较大，apply的性能会受限，推荐用agg分别聚合不同列再合并，利用Pandas向量化操作提速：

# 分别聚合：起点列转列表，终点列取最后一个值
agg_data = data.groupby('ROU_ROUTE_ID').agg(
    from_points=('SEG_POINT_FROM_ID', list),
    last_to=('SEG_POINT_TO_ID', lambda x: x.iloc[-1])
)

# 合并两列得到完整点列表
agg_data['full_points'] = agg_data.apply(lambda row: row['from_points'] + [row['last_to']], axis=1)

# 输出目标格式
for route_id, row in agg_data.iterrows():
    print(f"{route_id},{row['full_points']}")

关于你之前的代码问题 #

你写的data.groupby('ROU_ROUTE_ID')[['SEG_POINT_FROM_ID','SEG_POINT_TO_ID']].apply(lambda x: f(x))本身逻辑没问题，只要f(x)内部正确用x['SEG_POINT_FROM_ID']和x['SEG_POINT_TO_ID']访问列即可，之前应该是函数内部的写法有误。

内容的提问来源于stack exchange，提问作者Filip