如何在pandas中对DataFrame按分组聚合行，合并同组列值

pandas完全可以满足该需求，且针对10万级食品数据的场景具备足够的性能，核心实现代码如下：

import pandas as pd

# 示例数据集构造
df = pd.DataFrame(data={"product":["crisps", "crisps", "crisps",
                                   "bread", "bread", "bread",
                                   "pasta","pasta"], 
                   "ingredients": ["potato", "oil", "salt", 
                                   "flour", "salt", "water", 
                                   "flour", "eggs"]})

# 按产品分组聚合配料，直接拼接
result_df = df.groupby('product', as_index=False)['ingredients'].agg(','.join)

如果需要对同一产品的重复配料去重，可以使用如下写法：

result_df = df.groupby('product', as_index=False)['ingredients'].agg(lambda x: ','.join(x.unique()))

性能说明 #

pandas的groupby底层为优化过的C实现，常规10万级产品的聚合操作可在秒级完成。如果数据量达到千万级条目，可提前对product列做排序，能进一步提升分组聚合的效率。

内容的提问来源于stack exchange，提问作者mgg7199