如何仅基于公共列值执行groupby分组操作

需求明确 #

需要将DataFrame中的行进行分组，仅当不同行的Name和Alias完全相同，且对应的Type集合完全一致时，将这些行归为一组，最终输出包含Code、Name、Alias及对应Type集合的结果表。例如：

• 原始数据中Name="cardio"、Alias="[Card,Cardio]"且覆盖Type A/B/C的行，归为一组；
• Name="Heart"、Alias="[Heart]"且覆盖Type A/C的行，单独归为一组。

补充：原始数据中Type E对应的Code为2。

实现代码 #

假设原始DataFrame名为df，以下是完整实现逻辑：

import pandas as pd

# 模拟符合描述的原始数据
data = [
    {"Type": "A", "Code": 1, "Name": "cardio", "Alias": "[Card,Cardio]"},
    {"Type": "B", "Code": 1, "Name": "cardio", "Alias": "[Card,Cardio]"},
    {"Type": "C", "Code": 1, "Name": "cardio", "Alias": "[Card,Cardio]"},
    {"Type": "A", "Code": 3, "Name": "Heart", "Alias": "[Heart]"},
    {"Type": "C", "Code": 3, "Name": "Heart", "Alias": "[Heart]"},
    {"Type": "E", "Code": 2, "Name": "Liver", "Alias": "[Liver]"},
]
df = pd.DataFrame(data)

# 1. 生成(Name, Alias)到对应Type集合的映射（用frozenset保证可哈希）
type_group_mapping = df.groupby(["Name", "Alias"])["Type"].apply(frozenset).reset_index(name="Type_Group")

# 2. 将分组标识合并回原始数据
df_with_group_key = pd.merge(df, type_group_mapping, on=["Name", "Alias"])

# 3. 按Type_Group、Alias、Name聚合，得到最终结果
result = df_with_group_key.groupby(["Type_Group", "Alias", "Name"]).agg(
    Code=("Code", "first"),  # 同一分组内Code一致，取首个值即可
    Types=("Type", lambda x: sorted(set(x)))  # 整理为有序的Type列表
).reset_index(drop=True)[["Code", "Name", "Alias", "Types"]]

print(result)

代码说明 #

• 使用frozenset存储Type集合：因为普通集合不可哈希，无法作为groupby的分组键，而frozenset是不可变的可哈希类型；
• 聚合逻辑：同一分组内的Code是唯一的，因此用first提取；Type集合整理为有序列表，提升可读性；
• 合并映射表：确保每一行都能关联到自己所属的Type分组，为最终聚合做准备。

问题表述优化建议 #

1. 明确核心逻辑：直接点明「分组依据是(Name+Alias)组合对应的Type集合完全相同」，避免模糊描述；
2. 补充数据示例：给出原始数据的具体行（如上述模拟数据）和期望的输出结果行，用表格形式展示更直观；
3. 列信息明确：说明各列的数据类型（如Code是整数、Type是字符串枚举），减少歧义；
4. 特殊信息前置：将「Type E的Code为2」这类补充信息放在原始数据示例中，而非单独说明。

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