Pandas按ip分组聚合type列时如何固定拼接顺序符合指定格式

问题说明 #

需要对如下结构的DataFrame按ip分组，将去重后的type值用斜杠拼接，且拼接顺序必须严格遵循Missing在前、Type 1居中、Type 2在后的规则，最终输出仅允许7种合法取值，不能出现Type 1/Missing、Type 2/Type 1这类顺序错误的结果。

输入数据 #

year ip   type
2020 101  Missing
2021 101  Type 1
2022 101  Type 2
2020 102  Missing
2021 102  Missing
2020 103  Missing
2021 103  Type 2
2021 104  Type 1
2022 104  Type 2
2022 104  Type 2

预期输出 #

ip  type
101 Missing/Type 1/Type 2
102 Missing
103 Missing/Type 2
104 Type 1/Type 2

原有实现直接对去重结果拼接，会保留数据原始出现顺序，无法保证固定排序规则，容易生成顺序错误的结果。

正确实现代码 #

核心逻辑是先给type字段绑定固定排序权重，分组内先按权重排序再去重拼接，从根源保证拼接顺序符合要求。

import pandas as pd

# 定义type值的排序优先级，数值越小拼接时位置越靠前
type_order = {
    "Missing": 0,
    "Type 1": 1,
    "Type 2": 2
}

# 给每条数据添加排序权重列
df["type_rank"] = df["type"].map(type_order)

result = (
    df
    # 先按ip分组、同ip下按type优先级排序
    .sort_values(by=["ip", "type_rank"])
    # 去除同ip下重复的type值
    .drop_duplicates(subset=["ip", "type"])
    # 按ip分组拼接type字段
    .groupby("ip", as_index=False)["type"]
    .agg("/".join)
)

效果说明 #

运行上述代码后得到的结果完全匹配预期，无论原始数据中同ip下的type值出现顺序如何混乱，最终拼接结果都会严格遵守指定顺序，输出只会是要求的7种合法值，不会出现顺序颠倒的异常情况。如果后续需要新增其他type取值，只需要在type_order字典中按想要的排序位置补充对应的权重值即可。

内容的提问来源于stack exchange，提问作者Eisen