如何合并含相同唯一元素集合的DataFrame行并聚合数值列？

问题场景 #

现有一个Python DataFrame，A列是逗号分隔的字符串，B列对应数值。需要合并那些字符串拆分后的**元素集合完全相同（不考虑顺序）**的行，并对B列的数值求和。

原DataFrame：

import pandas as pd
df = pd.DataFrame([['Organic Search, Direct', 171], ['Organic Search, Direct, Not Found', 3], ['Direct, Organic Search', 389], ['Direct, Organic Search, Not Found', 8]], columns=['A', 'B'])

期望结果：

df_result = pd.DataFrame([['Direct, Organic Search',560], ['Direct, Organic Search, Not Found',11]], columns = ['A','B'])

解决方法 #

你的思路完全可行——通过生成标准化的分组键来识别元素集合相同的行，具体实现如下：

1. 对A列的每个字符串，拆分后按字母顺序排序，再重新拼接成统一格式的字符串，以此作为分组的唯一标识
2. 按这个分组键对DataFrame分组，对B列求和
3. 按需保留原始格式的A列或者使用标准化后的字符串作为结果的A列

代码实现（保留原始A列格式）

# 生成分组键：拆分字符串→排序→重新拼接
df['group_key'] = df['A'].apply(lambda x: ', '.join(sorted(x.split(', '))))

# 分组聚合：取每组第一个原始A值，对B列求和
result = df.groupby('group_key').agg(
    A=('A', 'first'),
    B=('B', 'sum')
).reset_index(drop=True)

print(result)

代码实现（使用标准化后的A列）

如果希望结果的A列是排序后的统一格式，直接用分组键作为A列即可：

result = df.groupby(df['A'].apply(lambda x: ', '.join(sorted(x.split(', ')))))['B'].sum().reset_index().rename(columns={'index': 'A'})

代码说明 #

• x.split(', ')：将逗号分隔的字符串拆分为元素列表
• sorted()：对列表按字母顺序排序，确保元素集合相同的字符串生成一致的分组键
• ', '.join()：将排序后的列表重新拼接为字符串，作为分组的唯一标识
• groupby().agg()：按分组键聚合，完成数值求和与列值提取

内容的提问来源于stack exchange，提问作者Shreyash