Pandas DataFrame按No分组生成Color列两两组合的解决方法

方案1：直接生成展开的长表输出 #

针对你第一个期望的逐行展开结果，可直接对原数据按No分组后生成组合再展开，分组后仅5000组的情况下运行效率很高，不会受原数据4000万行的体量影响：

import pandas as pd
import itertools as it

# 按No分组后，将每组Color的两两组合展开为单行单值
result = df.groupby('No')['Color']\
           .apply(lambda x: pd.Series([val for pair in it.combinations(x, 2) for val in pair]))\
           .reset_index(name='Color')\
           .drop('level_1', axis=1)

运行后得到的result结构和你期望的第一个输出完全一致。

方案2：生成聚合表加组合列输出 #

针对你需要的聚合表加CombColors列的需求，修正apply的作用对象即可：

第一步：生成正确的聚合表 #

agg_df = df.groupby('No')['Color'].agg(list).reset_index(name='Colors')

得到的agg_df每行对应一个No，Colors列为该No对应的所有颜色列表。

第二步：生成组合列 #

# 仅对Colors列做组合计算，再拼接为逗号分隔的字符串
agg_df['CombColors'] = agg_df['Colors'].apply(
    lambda x: ', '.join([f'{a}, {b}' for a, b in it.combinations(x, 2)])
)

运行后得到的agg_df结构和你期望的第二个输出完全一致。

之前代码出错的原因 #

你之前写的df.apply(lambda x: list(it.combinations(x,2), axis =1)中，x是每一行的完整记录，包含No和Colors两个字段，combinations会把这两个字段当做输入生成组合，自然得到错误结果。仅需要把apply的作用对象限定为Colors列即可解决问题。

内容的提问来源于stack exchange，提问作者MKay