基于Pandas DataFrame按物料组合分组聚合订单号的需求

没问题，这可以通过Pandas的分组（groupby）和聚合操作轻松实现。核心思路是把物料编号（material）、工厂（plant）以及所有m1至m5的列作为分组依据，然后将每组内的订单编号合并成一个字符串。

完整代码示例 #

import pandas as pd

# 先构造你的示例DataFrame（如果已有df可跳过这部分）
df = pd.DataFrame({
    'material': [24990, 24990, 24990, 24990, 166621, 166621, 240758, 276009, 276009],
    'plant': [89952, 89952, 89952, 89952, 3062, 3062, 3062, 3062, 3062],
    'Order': ['4568789', '5098710', '9448609', '1007081', '18364103', '78309139', '55146035', '38501581', '38575428'],
    'm1': [1.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0, 1.0],
    'm2': [1.0, 1.0, 0.0, 0.0, 0.0, 1.0, 1.0, 1.0, 1.0],
    'm3': [0.0, 0.0, 1.0, 1.0, 0.0, 0.0, 1.0, 1.0, 1.0],
    'm4': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
    'm5': [0.0, 0.0, 1.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0]
})

# 执行分组聚合：按material、plant和m1-m5分组，合并Order列
grouped_df = df.groupby(
    ['material', 'plant', 'm1', 'm2', 'm3', 'm4', 'm5']
)['Order'].agg(', '.join).reset_index()

# 查看结果
print(grouped_df)

关键步骤说明 #

1. 确定分组键：我们需要同时按material、plant以及m1到m5所有列分组，这样才能保证只有物料编号相同、工厂相同且m1-m5组合完全一致的记录会被分到同一组。
2. 聚合订单列：使用agg(', '.join)把每组内的Order值合并成一个用逗号分隔的字符串。如果你的Order列是数值类型（比如int），记得先转成字符串再合并，避免报错：

   # 处理数值类型的Order列
   grouped_df = df.groupby(
       ['material', 'plant', 'm1', 'm2', 'm3', 'm4', 'm5']
   )['Order'].agg(lambda x: ', '.join(x.astype(str))).reset_index()
   

3. 重置索引：groupby操作后，分组键会变成DataFrame的索引，用reset_index()把它们转回普通列，方便后续查看和处理。

运行后结果示例 #

内容的提问来源于stack exchange，提问作者Rocky