Pandas多列分组聚合时保留同区域一致的字符串列方法

现有如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame([
    {"area": "downtown", "type": "studio", "price": 800, "date":"2022/01/01", "area_description": "核心商业区"},
    {"area": "downtown", "type": "1 bedroom", "price": 1000, "date":"2022/02/01", "area_description": "核心商业区"},
    {"area": "downtown", "type": "1 bedroom", "price": 1000, "date":"2022/03/01", "area_description": "核心商业区"},
    {"area": "tomato town", "type": "1 bedroom", "price": 1000, "date":"2022/04/01", "area_description": "近郊居住区"},
    {"area": "tomato town", "type": "2 bedroom", "price": 2000, "date":"2022/05/01", "area_description": "近郊居住区"},
    {"area": "tomato town", "type": "shop", "price": 5000, "date":"2022/06/01", "area_description": "近郊居住区"},
])

原代码按area和type分组聚合：

stats = {
    'price': ['mean', 'min', 'max'],
    'date': ['max'],
    'area_description': ['max'], # 原用max，但字符串用max语义不合适
}

stats = df[["area", "type", "price", "date", "area_description"]].groupby(["area", "type"]).aggregate(stats)

由于area_description在同一area下取值完全一致，希望在聚合结果中保留该列，但不想用max/min这类语义不符的聚合函数，是否可以让Pandas直接保留该列值？

当然可以，以下几种方法更贴合需求：

方法1：使用first()/last()聚合函数 #

因为同组内area_description值完全一致，取组内第一个或最后一个值就能得到正确结果，语义上比max/min更清晰：

stats = {
    'price': ['mean', 'min', 'max'],
    'date': ['max'],
    'area_description': ['first']  # 用first替代max，语义更准确
}

stats = df.groupby(["area", "type"]).aggregate(stats)

方法2：提前映射+合并（更高效） #

如果数据集较大，先提取area与area_description的唯一映射关系，再和聚合结果合并，避免在聚合阶段处理该列，效率更高：

# 提取area到description的唯一映射
area_desc_map = df[["area", "area_description"]].drop_duplicates().set_index("area")

# 聚合时只处理需要统计的列
stats = df.groupby(["area", "type"]).agg({
    'price': ['mean', 'min', 'max'],
    'date': ['max']
})

# 合并映射，添加area_description列
stats = stats.join(area_desc_map, on="area")

方法3：自定义聚合取唯一值 #

如果想明确告知Pandas该列组内值唯一，可以用lambda函数取唯一值（前提是确认组内无重复值）：

stats = {
    'price': ['mean', 'min', 'max'],
    'date': ['max'],
    'area_description': lambda x: x.unique()[0]
}

stats = df.groupby(["area", "type"]).aggregate(stats)

内容的提问来源于stack exchange，提问作者Saturnix