基于另一列连续值拼接Pandas DataFrame列字符串的实现方法

嘿，我来帮你搞定这个Pandas需求！你需要把每个FD对应的所有MS的col2值整理到结果列里，对吧？下面是两种实用的实现方法，一步步来：

方法一：分步分组聚合（清晰易懂） #

1. 给每个FD-MS组打上唯一标识

首先，我们可以通过判断col1是否为FD，然后累加这个布尔值，给每个FD和它后续的MS分配同一个分组ID：

import pandas as pd

dict_obj = {'col1': ['FD', 'MS', 'MS', 'FD', 'MS', 'MS', 'MS', 'FD', 'MS', 'MS'], 'col2': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']}
df = pd.DataFrame(dict_obj)

# 每遇到一个FD，分组ID就加1，这样同组的FD和MS会有相同的ID
df['group_id'] = (df['col1'] == 'FD').cumsum()

2. 收集每组内的MS值

接下来，我们按分组ID聚合，把每组里所有MS的col2值收集成列表：

# 只筛选MS行，按group_id分组后把col2转成列表
ms_groups = df[df['col1'] == 'MS'].groupby('group_id')['col2'].agg(list).reset_index(name='result')

3. 把结果合并回原DataFrame

最后把聚合好的结果合并回去，这样每个FD和对应的MS行都能关联到该组的MS列表：

df = df.merge(ms_groups, on='group_id', how='left')

# 如果只希望FD行显示结果，MS行留空的话，加上这一行
df.loc[df['col1'] == 'MS', 'result'] = None

运行完之后，你的DataFrame会变成这样：

方法二：用transform一步搞定（更简洁） #

如果想要更紧凑的代码，可以用transform方法直接在原DataFrame上生成结果列：

import pandas as pd

dict_obj = {'col1': ['FD', 'MS', 'MS', 'FD', 'MS', 'MS', 'MS', 'FD', 'MS', 'MS'], 'col2': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']}
df = pd.DataFrame(dict_obj)

# 分组后提取每组内MS的col2值作为结果
df['result'] = df.groupby((df['col1'] == 'FD').cumsum())['col2'].transform(
    lambda x: x[x.index.isin(df[df['col1'] == 'MS'].index)].tolist()
)

# 同样可以选择清空MS行的结果
df.loc[df['col1'] == 'MS', 'result'] = None

这个方法的核心思路和第一种一样：用cumsum生成分组键，把每个FD和后续MS归为一组，然后提取组内的MS值作为结果列内容。

内容的提问来源于stack exchange，提问作者Praneeth Krishna