嘿，这个表格处理需求用Python的Pandas库就能轻松搞定，它在分组聚合、列操作和排序上效率超高。我给你整理了完整的实现方案，一步一步来：

完整代码示例 #

import pandas as pd

# 加载原始数据（如果是从CSV/Excel读取，替换成pd.read_csv("你的文件路径")即可）
raw_data = {
    "EAN": [111, 111, 222, 222],
    "album_id": [123, 123, 123, 123],
    "photo": ["64.jpg", "65.jpg", "64.jpg", "65.jpg"]
}
df = pd.DataFrame(raw_data)

# 1. 按EAN+album_id分组，合并同组的photo为逗号分隔的字符串
merged_df = df.groupby(["EAN", "album_id"])["photo"].agg(", ".join).reset_index()

# 2. 添加primary列：根据EAN值设置1/0（这里以EAN=111作为primary判断条件）
merged_df["primary"] = merged_df["EAN"].map(lambda x: 1 if x == 111 else 0)

# 3. 按primary降序、EAN升序排序（保证primary=1的行在前，相同primary下按EAN从小到大排）
final_df = merged_df.sort_values(by=["primary", "EAN"], ascending=[False, True]).reset_index(drop=True)

# 查看结果
print(final_df)

代码逐段解释 #

• 数据加载：这里用字典构造了你的示例数据，实际使用时换成读取文件的代码就行，比如pd.read_excel("album_photos.xlsx")。
• 分组合并：groupby(["EAN", "album_id"]) 告诉Pandas要同时按这两个ID分组，agg(", ".join) 把每组里的所有photo值拼接成一个字符串，reset_index() 把分组后的索引转成普通列，避免索引混乱。
• 新增primary列：用map函数快速判断EAN值，给符合条件的行标记1，其他标记0。如果你的primary判断逻辑有变化，直接修改lambda里的条件就行。
• 排序：sort_values 先按primary降序排列（让标记为1的行排在最前面），再按EAN升序，完全匹配你期望的结果顺序。

执行结果 #

运行代码后会输出你想要的表格：

如果你的数据量很大也不用担心，Pandas处理几十万行数据都很流畅，完全能满足需求。

内容的提问来源于stack exchange，提问作者Charles