如何基于条件从DataFrame中提取父ID与子ID并汇总？

示例数据 #

先构造你的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'id': [1,2,3,4,5,6,7,8],
    'mobile_number': [123,123,123,456,789,789,1234,789],
    'to_be_deleted': [0,1,1,0,0,1,0,1]
})

最优实现步骤 #

核心思路是分组聚合+左连接，利用pandas内置方法高效完成：

1. 提取parent记录：筛选to_be_deleted=0的行，保留id和mobile_number，并将id重命名为parent_id

parents = df[df['to_be_deleted'] == 0][['id', 'mobile_number']].rename(columns={'id': 'parent_id'})

2. 聚合child记录：筛选to_be_deleted=1的行，按mobile_number分组，将同一组的id用逗号拼接成字符串

children = df[df['to_be_deleted'] == 1].groupby('mobile_number')['id'].agg(lambda x: ', '.join(map(str, x))).reset_index(name='child_id')

3. 左连接合并结果：将parent表和聚合后的child表按mobile_number左连接，确保所有parent记录都被保留，没有child的自动填充NaN（对应你期望的null）

result = parents.merge(children, on='mobile_number', how='left').drop(columns='mobile_number')

最终结果 #

运行上述代码后，result就是你需要的汇总DataFrame：

parent_id child_id
0          1     2, 3
1          4      NaN
2          5     6, 8
3          7      NaN

如果需要把NaN显示为null，可以再加一步：

result['child_id'] = result['child_id'].fillna('null')

这个方法的优势在于充分利用pandas的矢量化操作和分组聚合，避免循环遍历，处理大数据量时效率更高。

内容的提问来源于stack exchange，提问作者astroboy