需求：按Key分组统计code列存在差异字符的分组并生成新DataFrame

首先给出原始数据：

import pandas as pd

# 初始化数据
data = {'Key': ['111*1', '111*2','111*3', '222*1','222*2', '333*1','333*2', '333*3','333*4', '444*1'],
        'code': ['S', 'S','Q', 'M','M', 'F','F', 'F','N', 'C']}
  
# 创建DataFrame
df = pd.DataFrame(data)

实现步骤 #

1. 提取分组标识：从Key列中提取前缀（如111*）作为分组依据，新增group_key列：

df['group_key'] = df['Key'].str.split('*').str[0] + '*'

2. 循环处理每个分组：

# 获取所有唯一分组
unique_groups = df['group_key'].unique()
# 存储符合条件的分组信息
qualified_groups = []
count = 0

for group in unique_groups:
    # 取出当前分组的所有code值
    group_codes = df[df['group_key'] == group]['code']
    # 判断分组内code是否存在差异：唯一值数量大于1则说明有差异
    if len(group_codes.unique()) > 1:
        count += 1
        qualified_groups.append({'group_key': group, 'code_values': list(group_codes)})

# 输出统计结果
print(f"符合条件的分组总数：{count}")
# 生成包含目标分组的新DataFrame
result_df = pd.DataFrame(qualified_groups)
print(result_df)

运行结果 #

符合条件的分组总数为2，生成的新DataFrame如下：

group_key       code_values
0     111*        [S, S, Q]
1     333*  [F, F, F, N]

逻辑说明 #

• 分组111*的code包含S、Q两种不同值，存在差异，计入统计；
• 分组222*的code全为M，无差异，不计入；
• 分组333*的code包含F、N两种不同值，存在差异，计入统计；
• 分组444*仅单个code值，无差异，不计入。

内容的提问来源于stack exchange，提问作者AAA