如何按DataFrame的A列分组，保留顺序生成B列的嵌套列表？

没问题，这个需求用Pandas可以轻松实现，而且能完美满足你对顺序的要求，我给你几个实用的方案：

首先构造示例DataFrame #

先把你给出的数据转换成Pandas的DataFrame，方便后续操作：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 1, 2, 2, 2, 3, 3, 4, 4],
    'B': [3, 4, 5, 8, 6, 6, 8, 10, 1]
})

方案一：groupby + apply(list) #

这是最直观的方法，核心是用groupby按A列分组，再把每个分组的B列转成列表，同时确保分组顺序和原数据一致：

# sort=False 是关键！保证分组顺序和A列元素首次出现的顺序一致
grouped_data = df.groupby('A', sort=False)['B'].apply(list)
# 转成你要的嵌套列表格式
result = grouped_data.tolist()
print(result)  # 输出：[[3, 4], [5, 8, 6], [6, 8], [10, 1]]

这里的sort=False一定要加上，如果不加的话，Pandas默认会对分组键（A列）进行排序，要是你原数据里A列的分组不是按数字顺序出现的，结果的子列表顺序就会乱掉。而apply(list)会严格保留每个分组里B列元素的原有顺序，完全符合你的要求。

方案二：groupby + agg(list) #

这个方案更简洁，效果和上面完全一样，用agg()替代apply()：

result = df.groupby('A', sort=False)['B'].agg(list).tolist()

agg(list)在这里的作用就是把每个分组的B列元素聚合为列表，代码更短，可读性也很强。

额外说明 #

如果你用的是较新版本的Pandas（1.3.0及以上），也可以通过groups属性实现，但相比前两种方法稍显繁琐，这里也给你参考下：

result = [df.loc[group_indices, 'B'].tolist() for _, group_indices in df.groupby('A', sort=False).groups.items()]

不管用哪种方法，最终得到的结果都是你想要的嵌套列表，而且完全保留了B列元素的原有顺序，子列表的顺序也和A列的分组顺序完全一致。

内容的提问来源于stack exchange，提问作者Eleanor