如何用Pandas将用户每5条Tweet合并为一行并保留用户信息

你的核心问题是之前的分组方式是全局按索引每5条聚合，会把不同用户的Tweet混在一起，而且没有关联userid和gender信息。正确的做法是先按用户分组，再在每个用户内部划分每5条的组，最后聚合时保留用户属性。

完整实现代码 #

# 为每个用户的Tweet生成组内分组标识：每5条为一组
df['group_key'] = df.groupby('userid').cumcount() // 5

# 按用户ID+组标识分组，合并Tweet并保留性别信息
df_merged = df.groupby(['userid', 'group_key'], as_index=False).agg(
    gender=('gender', 'first'),  # 同一用户gender唯一，取任意值即可
    merged_tweet=('tweet', ' '.join)
)

代码说明 #

1. 生成组内分组键：groupby('userid').cumcount()会为每个用户的Tweet从0开始顺序编号，//5将编号每5个归为同一组（比如0-4对应组0，5-9对应组1，直到19，正好每个用户生成20组）。
2. 分组聚合：同时按userid和group_key分组，确保每个用户的分组独立；聚合时用first获取gender（同一用户的gender不会变化），用' '.join拼接同组的5条Tweet。

这样处理后，每个用户会对应20行数据，每行包含userid、gender和合并后的5条Tweet内容。

内容的提问来源于stack exchange，提问作者matin zarei