如何基于pf列获取P1-P5各组合标的数量及列表，是否可使用for循环实现

前提说明 #

默认你的portfolio_id是一维Series结构，索引为标的代码（即你举例的s_0001、s_0004这类格式）。如果是多时间维度的分组结果，可先按时间字段筛选单个截面后再执行以下逻辑。

方案1：Pandas原生GroupBy实现（效率更高） #

# 重置索引，将股票代码从索引转为普通列
port_df = portfolio_id.reset_index()
port_df.columns = ['stock_id', 'portfolio']

# 统计P1-P5各组合的标的数量
port_count = port_df.groupby('portfolio')['stock_id'].count()
print("各组合标的数量：")
print(port_count)

# 聚合生成每个组合的标的列表
port_stock_list = port_df.groupby('portfolio')['stock_id'].agg(list)

# 按你要求的格式输出
for port_label in ["P1", "P2", "P3", "P4", "P5"]:
    stocks = ", ".join(port_stock_list[port_label])
    print(f"{port_label.lower()} = {stocks}")

方案2：纯For循环实现 #

完全可以用for循环实现需求，代码如下：

# 初始化存储每个组合标的的字典
port_map = {"P1": [], "P2": [], "P3": [], "P4": [], "P5": []}

# 遍历所有标的和对应的分组结果
for stock_id, port_label in portfolio_id.items():
    port_map[port_label].append(stock_id)

# 输出数量和标的列表
for port_label in ["P1", "P2", "P3", "P4", "P5"]:
    stock_str = ", ".join(port_map[port_label])
    print(f"{port_label.lower()} = {stock_str}")
    print(f"{port_label}组合标的数量：{len(port_map[port_label])}\n")

内容的提问来源于stack exchange，提问作者Edward