基于多列条件的Python Dataframe去重分类与统计实现方法

直接使用Pandas库即可完成全流程需求，以下是可直接运行的实现代码（默认原始数据已加载为DataFrame对象df，包含Customer_ID、Category、Type、Delivery、Download/Upload字段）：

import pandas as pd

# 1. 去除重复行
# 按Customer_ID、Category、Type、Delivery、Download/Upload组合去重，仅保留第一条
# 若重复判定仅需匹配Customer_ID+Category，可修改subset参数为['Customer_ID', 'Category']
df_dedup = df.drop_duplicates(
    subset=['Customer_ID', 'Category', 'Type', 'Delivery', 'Download/Upload'],
    keep='first'
)

# 2. 统计单用户单品类下的主导交易类型（Buy/Sell出现次数更高的为主）
user_category_type = df_dedup.groupby(['Customer_ID', 'Category'])['Type'].agg(
    # 取出现次数最多的Type，次数相等时默认取第一个出现的值
    dominant_type=lambda x: x.value_counts().index[0]
).reset_index()

# 3. 识别单用户单品类下的交付方式使用情况
user_category_delivery = df_dedup.groupby(['Customer_ID', 'Category']).agg(
    # 只要使用过一次就标记为True，若字段为'是/否'字符串，可替换为lambda x: '是' in x.values
    Delivery=('Delivery', 'any'),
    Download_Upload=('Download/Upload', 'any')
).reset_index()

# 4. 合并交易类型和交付方式结果
base_result = user_category_type.merge(
    user_category_delivery,
    on=['Customer_ID', 'Category'],
    how='inner'
)

# 5. 统计同品类同交易类型的用户计数
category_type_cnt = base_result.groupby(['Category', 'dominant_type'])['Customer_ID'].nunique().reset_index(
    name='同品类同类型计数'
)

# 6. 合并得到最终结果，调整字段符合输出要求
final_result = base_result.merge(
    category_type_cnt,
    on=['Category', 'dominant_type'],
    how='left'
).rename(
    columns={'dominant_type': 'Type', 'Download_Upload': 'Download/Upload'}
)[['Customer_ID', 'Category', 'Type', 'Delivery', 'Download/Upload', '同品类同类型计数']]

自定义调整说明 #

• 若需处理Buy和Sell出现次数相等的场景，可修改dominant_type的计算逻辑，增加次数相等时的分支判断，例如返回'两者均衡'
• 若交付方式字段为字符串类型（如'是'/'否'），将agg中的any方法替换为lambda x: '是' in x.values即可
• 若需要新增交付方式合并字段（仅Delivery/仅Download/Upload/两者都用），可新增apply逻辑生成对应列

内容的提问来源于stack exchange，提问作者V.Nouri