Python pandas 按客户持有的产品数量拆分DataFrame数据集

核心逻辑 #

先统计每个客户持有的唯一产品品类数，再根据品类数筛选对应客户的全量记录即可完成拆分。

实现代码 #

方法1：先统计客户维度的品类数再匹配（适合大数据集） #

# 统计每个客户的唯一产品品类数量
customer_prod_count = df0.groupby('Customer')['Product'].nunique().reset_index(name='prod_count')

# 提取仅持有单一品类的客户清单
single_prod_customers = customer_prod_count[customer_prod_count['prod_count'] == 1]['Customer'].to_list()

# 拆分得到两个DataFrame
df1 = df0[df0['Customer'].isin(single_prod_customers)].reset_index(drop=True)
df2 = df0[~df0['Customer'].isin(single_prod_customers)].reset_index(drop=True)

方法2：用transform生成标识列（写法更简洁，适合中小数据集） #

# 直接在原表新增每个客户对应的产品品类数字段
df0['prod_count'] = df0.groupby('Customer')['Product'].transform('nunique')

# 按品类数拆分后删除辅助字段
df1 = df0[df0['prod_count'] == 1].drop(columns='prod_count').reset_index(drop=True)
df2 = df0[df0['prod_count'] > 1].drop(columns='prod_count').reset_index(drop=True)

说明 #

• 两种方法都用了nunique()做产品去重统计，同一客户多次购买同一品类不会被误判为多品类
• 最终生成的df1、df2会保留原df0的所有字段，可直接用于后续价格字段分析
• reset_index(drop=True)用于重置拆分后表的索引，不需要可以去掉

内容的提问来源于stack exchange，提问作者Pas