如何使用Pandas合并含重复值的列并按UserId分组统计

原代码存在两个问题：

• groupby传参错误：该方法仅接收分组字段作为入参，你把待聚合的DomainId也传入了分组参数，会导致按两列做联合分组，不符合单按UserId分组的需求
• 聚合方法选择错误：sum()仅支持数值求和，无法同时实现计数、字符串拼接的聚合逻辑

可直接运行的实现代码 #

import pandas as pd

# 读取源csv文件
df = pd.read_csv('User_Domains.csv')

# 分组聚合，sort=False用于保留UserId在源文件中首次出现的顺序，和期望输出顺序一致
df_result = df.groupby('UserId', as_index=False, sort=False).agg(
    NumDomains=('DomainId', 'count'),
    Domains=('DomainId', lambda x: '|'.join(x))
)

# 打印查看结果
print(df_result)

# 如需导出为csv文件，取消注释下一行即可，index=False表示不导出行索引
# df_result.to_csv('result.csv', index=False)

代码说明 #

• as_index=False：禁止将分组字段UserId设为行索引，保留为普通数据列，匹配期望输出的表结构
• agg()内定义两个聚合规则：
  • NumDomains=('DomainId', 'count')：统计每个UserId分组下的DomainId总数，对应该用户关联的域名数量
  • Domains=('DomainId', lambda x: '|'.join(x))：将分组下所有DomainId值用|拼接为单个字符串

运行后输出结果和需求完全一致：

UserId  NumDomains  Domains
0  TestTraderCAD           2  ALL|CAD
1  TestTraderUSD           2  ALL|USD
2  TestTraderGBP           2  ALL|GBP

内容的提问来源于stack exchange，提问作者emmon simbo