Pandas按order_num分组将product_code转为列表并保留其余列的实现方案

实现方案 #

你可以通过groupby的多列不同聚合规则直接实现，不需要把非分组字段加入分组条件，也不需要额外做表拼接：

方法1：单轮groupby多规则聚合（推荐） #

直接在agg方法中为不同列指定不同的聚合逻辑，非分组字段统一按你需要的规则取值即可（如果同一个order_num对应的其他字段值唯一，取first/last效果和加入分组条件完全一致）：

import pandas as pd

# 你可以直接用自己的原始df，这里是补全timestamp的测试数据
data={'order_num':[123,234,356,123,234,356],
      'email':['abc@gmail.com','pqr@hotmail.com','xyz@yahoo.com','abc@gmail.com','pqr@hotmail.com','xyz@gmail.com'],
      'product_code':['rdcf1','6fgxd','2sdfs','34fgdf','gvwt5','5ganb'],
      'timestamp':['2024-01-01 10:00','2024-01-01 10:05','2024-01-01 10:10','2024-01-01 10:00','2024-01-01 10:05','2024-01-01 10:15']}
df=pd.DataFrame(data,columns=['order_num','email','product_code','timestamp'])

# 核心实现代码
result = df.groupby('order_num', as_index=False).agg(
    product_code=('product_code', list), # 仅对product_code做列表聚合
    email=('email', 'first'), # 保留email原值，取分组内第一个值
    timestamp=('timestamp', 'first') # 保留timestamp原值，取分组内第一个值
    # 其他需要保留的字段都可以按照 输出列名=('原列名', 取值规则) 的格式添加
).sort_values('timestamp').reset_index(drop=True)

如果同一个order_num对应的非分组字段存在多个不同值，你可以调整取值规则：比如换成'last'取分组最后一个值，或者换成lambda x: x.mode()[0]取众数，自定义规则即可。

方法2：分组聚合后和原表去重结果拼接 #

如果需要保留的字段非常多，不想逐个在agg里声明，可以用这个方法：

# 1. 仅按order_num分组聚合product_code
grouped_product = df.groupby('order_num', as_index=False)['product_code'].agg(product_code=list)

# 2. 原表去掉product_code后按order_num去重，保留所有其他字段
other_cols = df.drop('product_code', axis=1).drop_duplicates('order_num', keep='first')

# 3. 合并后按timestamp排序
result = pd.merge(grouped_product, other_cols, on='order_num').sort_values('timestamp').reset_index(drop=True)

内容的提问来源于stack exchange，提问作者yorunome