Python Pandas：基于条件快速分类唯一行组合的优化方案

以下几种方法均基于底层优化的聚合逻辑，处理32000行数据仅需几秒，完全解决性能问题：

1. Python Pandas（推荐，大数据集首选） #

Pandas的分组聚合依赖C扩展实现，比纯Python循环效率高几个数量级：

import pandas as pd

# 读取数据集（示例为CSV，可替换为Excel、数据库等来源）
df = pd.read_csv("your_data.csv")

# 分组并合并Location
result = df.groupby(["Date", "Visitor", "Car Name"])["Location"].agg(lambda x: " & ".join(x)).reset_index()

# 保存结果
result.to_csv("output.csv", index=False)

如果组内有重复Location需要去重，把lambda x改成lambda x: " & ".join(pd.unique(x))即可。

2. SQL（数据存数据库时用） #

数据库引擎对聚合操作做了深度优化，直接用内置字符串聚合函数即可：

MySQL/MariaDB #

SELECT 
    Date,
    Visitor,
    `Car Name`,
    GROUP_CONCAT(Location SEPARATOR ' & ') AS Location
FROM your_table
GROUP BY Date, Visitor, `Car Name`;

去重版本：GROUP_CONCAT(DISTINCT Location SEPARATOR ' & ')

PostgreSQL #

SELECT 
    Date,
    Visitor,
    "Car Name",
    STRING_AGG(Location, ' & ') AS Location
FROM your_table
GROUP BY Date, Visitor, "Car Name";

去重版本：STRING_AGG(DISTINCT Location, ' & ')

3. Excel Power Query（非编程用户首选） #

Power Query是Excel内置的高效数据处理工具，无需代码即可完成：

1. 选中数据区域，点击「数据」→「从表格/区域」进入Power Query编辑器
2. 点击「转换」→「分组依据」，分组列选Date、Visitor、Car Name，新列名设为Location，操作选「所有行」
3. 添加自定义列，输入公式：Text.Combine([Location][Location], " & ")
4. 删除包含原始行的Location列，将自定义列重命名为Location
5. 点击「关闭并上载」，结果会生成新工作表

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