如何将DataFrame中IP与user_id的关联组合并为唯一行？

你的需求本质是要找出IP地址与用户ID之间的所有连通关联组，把每个组内的所有IP和用户ID分别汇总到一行。可以借助图论中的连通分量概念来实现，下面是具体步骤：

步骤1：准备环境与数据 #

先导入所需库，构造示例DataFrame：

import pandas as pd
import networkx as nx

# 示例数据
data = {
    'ip_address': ['127.0.0.1', '192.168.1.1', '127.0.0.1', '10.10.0.1', '8.8.8.8', '8.8.8.8', '8.8.8.8', '10.0.0.1'],
    'user_id': ['111', '111', '444', '555', '666', '888', '999', '777']
}
df = pd.DataFrame(data)

步骤2：构建关联图 #

把IP地址和用户ID看作图的节点，每条数据记录就是IP与用户ID之间的一条连接边：

G = nx.Graph()
# 遍历每条记录，添加IP与用户ID的连接边
for _, row in df.iterrows():
    # 统一转成字符串，避免类型不一致导致的节点识别问题
    G.add_edge(row['ip_address'], str(row['user_id']))

步骤3：提取连通分量 #

找出图中所有的连通分量，每个分量就是一组有直接/间接关联的IP和用户ID：

connected_groups = list(nx.connected_components(G))

步骤4：汇总每个连通分量的IP与用户ID #

对每个连通组，分离出IP和用户ID，去重后拼接成字符串：

result_list = []
for group in connected_groups:
    # 区分IP（含.）和用户ID（纯数字字符串）
    ips = sorted({node for node in group if '.' in node})
    users = sorted({node for node in group if '.' not in node})
    
    result_list.append({
        'ip_address': ', '.join(ips),
        'user_id': ', '.join(users)
    })

# 转换为最终DataFrame
final_df = pd.DataFrame(result_list)

最终结果 #

运行后得到的final_df就是你期望的格式：

补充说明 #

• 如果你的用户ID不是纯数字，可以调整区分IP和用户的判断逻辑（比如用户ID有特定前缀）。
• 若无法安装networkx，也可以用迭代合并的方式实现连通分量，但代码复杂度会高很多，networkx是最简洁高效的方案。

内容的提问来源于stack exchange，提问作者Mark