如何在Pandas中按material_id分组，保留指定列唯一值并列出plant_id

直接通过groupby.agg()为不同列指定对应的聚合逻辑，就能同时满足你的两个需求：

def search_output(materials):
    df = pd.DataFrame(materials)
    # 过滤掉@search.score列，分组后为各列指定聚合规则
    df_ref = df.loc[:, df.columns != '@search.score'].groupby('material_id').agg(
        material_description=('material_description', 'unique'),
        MPN=('MPN', 'unique'),
        plant_id=('plant_id', list)
    )
    # 可选：将unique返回的numpy数组转为Python列表，统一格式
    df_ref['material_description'] = df_ref['material_description'].apply(list)
    df_ref['MPN'] = df_ref['MPN'].apply(list)
    return df_ref

代码说明： #

• 用agg()的关键字参数写法，明确指定每一列的处理方式：
  • material_description和MPN列用unique聚合，自动保留该分组下的唯一值
  • plant_id列用list聚合，直接将分组内的所有值转为列表
• 额外的apply(list)是因为unique()返回的是numpy数组，转成Python列表能和plant_id的格式保持一致，方便后续业务处理
• 提前通过loc过滤掉不需要的@search.score列，避免干扰分组逻辑

对比原代码的改进： #

• 原第一段代码用统一的lambda x: list(x)，会保留所有重复值，无法实现指定列去重
• 原第二段代码只处理了两个去重列，遗漏了plant_id转列表的需求
• 本方案精准控制每列的聚合逻辑，一次完成所有需求

内容的提问来源于stack exchange，提问作者Tossibob