Pandas保留原顺序将元组转为按连续docid分组的DataFrame

你之前使用的全局groupby('docid')逻辑是对所有相同docid做全量聚合，天然会跨位置合并所有同docid记录，既会破坏原始排列顺序，也无法满足「仅合并相邻重复docid」的要求。

核心思路是先为连续重复的docid片段生成独立的分组标识，再基于这个临时标识做聚合，既能保留原始顺序，也不会跨片段合并同docid记录。
完整可运行代码如下：

import pandas as pd

res1_ =  [
  ('z1', '1'),
  ('z1', '2'),
  ('x1', '1'),
  ('x2', '1'),
  ('x1', '3'),
  ('z1', '1')]

# 转换为基础DataFrame
df = pd.DataFrame(res1_, columns=['docid','secid'])
# 生成连续块标识：当前行docid与上一行不同时，标识值+1
df['block_tag'] = (df['docid'] != df['docid'].shift()).cumsum()
# 按连续块聚合，将同块secid合并为列表
result = df.groupby(['block_tag', 'docid'], as_index=False)['secid'].apply(list)
# 删除临时标识列，得到最终结果
result = result.drop(columns='block_tag')

运行后输出结果完全匹配预期：

docid   secid
0    z1  [1, 2]
1    x1     [1]
2    x2     [1]
3    x1     [3]
4    z1     [1]

• df['docid'].shift()会把docid列整体向下错位一行，用来对比当前行和上一行的docid是否一致
• 当相邻行docid不一致时返回True（等价于数值1），一致时返回False（等价于数值0），对布尔序列做cumsum()累加后，每一段连续相同的docid都会获得同一个唯一的块标识
• 聚合时将块标识作为第一分组键，聚合结果会严格遵循原始数据的出现顺序，不会把中间隔了其他docid的同值记录错误合并。

内容的提问来源于stack exchange，提问作者usr_lal123