如何以Pythonic方式在Pandas分组后将多列值合并为集合

这个问题问得很实用！当你已经掌握了单列分组转集合的操作后，要扩展到多列还保持DataFrame格式，其实有几种非常简洁的Pythonic写法，不用重复写多次apply(set)。

首先先确认下我们的示例数据：

import pandas as pd
df = pd.DataFrame({
    'user_id': [1, 2, 3, 4, 1, 2, 3],
    'class_type': ['Krav Maga', 'Yoga', 'Ju-jitsu', 'Krav Maga', 'Ju-jitsu','Krav Maga', 'Karate'],
    'instructor': ['Bob', 'Alice','Bob', 'Alice','Alice', 'Bob', 'Alice']
})

方法1：对所有分组列统一应用set #

最简洁的方式就是用groupby后的agg()方法，直接传入set作为参数，它会自动对所有非分组列执行转集合的操作，返回的结果就是标准的DataFrame：

result = df.groupby('user_id').agg(set)

执行后得到的result长这样：

class_type           instructor
user_id                                  
1        {Ju-jitsu, Krav Maga}  {Bob, Alice}
2        {Yoga, Krav Maga}      {Alice, Bob}
3        {Ju-jitsu, Karate}     {Bob, Alice}
4        {Krav Maga}            {Alice}

方法2：针对特定列自定义操作 #

如果你不需要对所有列都转集合，只想处理指定的几列，可以给agg()传一个字典，键是列名，值是要应用的函数（这里就是set）：

# 只处理class_type和instructor列
result = df.groupby('user_id').agg({'class_type': set, 'instructor': set})

这种方式灵活性更高，适合列数较多但只需要处理部分列的场景。

额外小提示 #

如果你需要集合保持元素的出现顺序（默认set是无序的），可以用lambda x: list(dict.fromkeys(x))来生成有序的唯一值列表（替代set），不过要注意这返回的是列表而不是集合，根据你的需求选择就行。

内容的提问来源于stack exchange，提问作者datapug