Pandas按product_id分组不改变数据类型，实现按值排序取Top10

核心问题分析 #

用groupby(['product_id']).agg(['unique'])会生成多级列，且值为元组类型，导致排序报错；nunique()仅统计唯一值数量，不符合保留原始值的需求。以下是两种可行方案：

方案1：直接提取唯一值（推荐） #

如果每个product_id对应的Price x Quantity只有一个唯一值，直接用agg('first')或agg(lambda x: x.unique()[0])获取单一值，避免元组和多级列：

# 分组并保留Price x Quantity的原始值
products = q3_df.groupby(['product_id'], as_index=False).agg({'Price x Quantity': 'first'})

# 按Price x Quantity降序排序，取前10
top_10_products = products.sort_values(by='Price x Quantity', ascending=False).head(10)

方案2：处理已生成的多级列和元组 #

如果已经用agg(['unique'])生成了结果，可以先扁平化列名，再提取元组内的唯一值：

# 分组生成结果
products = q3_df.groupby(['product_id']).agg(['unique']).reset_index()

# 扁平化多级列名
products.columns = ['_'.join(col) for col in products.columns]

# 提取元组中的唯一值（假设每个元组仅含一个元素）
products['Price x Quantity_unique'] = products['Price x Quantity_unique'].apply(lambda x: x[0])

# 排序并取前10
top_10_products = products.sort_values(by='Price x Quantity_unique', ascending=False).head(10)

注意事项 #

如果同一个product_id对应多个不同的Price x Quantity值，需要先明确业务需求（比如取最大值、求和等），再调整聚合函数。

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