Pandas分组处理：按指定规则保留组内目标行数据

构造输入数据 #

先导入pandas并创建测试数据集：

import pandas as pd

df = pd.DataFrame({
    'ID': [1, 1, 2, 3, 4, 4],
    'Fruit': ['Apples', 'Oranges', 'Strawberries', 'Blueberries', 'Blueberries', 'Apples']
})

自定义聚合逻辑 #

编写一个函数实现规则：如果组内同时存在Apples和Oranges，返回Apples；否则返回组内第一条记录的水果：

def select_fruit(group):
    has_apples = (group['Fruit'] == 'Apples').any()
    has_oranges = (group['Fruit'] == 'Oranges').any()
    if has_apples and has_oranges:
        return 'Apples'
    return group['Fruit'].iloc[0]

分组聚合 #

用groupby按ID分组，通过apply调用自定义函数完成聚合，最后重置索引得到长格式结果：

result = df.groupby('ID').apply(select_fruit).reset_index(name='Fruit')

验证结果 #

运行代码后输出如下，完全符合需求：

ID         Fruit
0   1         Apples
1   2  Strawberries
2   3   Blueberries
3   4   Blueberries

说明 #

• 使用apply是因为需要基于整个分组的水果集合做判断，它能获取每组的完整数据，比单纯的agg更灵活。
• 用any()检查组内是否存在目标水果，逻辑清晰且效率较高。

内容的提问来源于stack exchange，提问作者Charlotte Deng