如何在多次Pandas分组操作中建立映射以跟踪原始ID的分组归属

我完全懂你的需求——每次做分组聚合后，总担心丢失原始id的分组归属信息，比如哪些原始id属于同一个a组，后续再按b分组后，这些id又归到哪个b组里对吧？别着急，咱们一步步来实现这个追踪功能：

首先先把你的原始数据代码放出来，方便大家复现：

import numpy as np
import pandas as pd
np.random.seed(1)

df = pd.DataFrame({
    'id': np.arange(10),
    'a': np.random.randint(1, 10, 10),
    'b': np.random.randint(1, 10, 10),
    'c': np.random.randint(1, 10, 10)
})

第一步：记录第一次分组（按a）的原始ID归属 #

在执行聚合前，我们先建立两个关键映射：

• 单个id到对应a值的映射，方便快速查某个id属于哪个a组
• 每个a值对应的所有原始id列表，保留组内的所有成员

代码实现如下：

# 建立id到a的一对一映射
id_to_a = df.set_index('id')['a'].to_dict()
# 建立a到对应所有id的一对多映射
a_group_ids = df.groupby('a')['id'].apply(list).to_dict()

# 然后再执行你原本的第一次聚合操作
new_df = df.groupby('a').agg('max').reset_index()

现在a_group_ids里就存着你要的信息：比如a=3对应的原始id是[3,6,8]，完全符合你的要求。

第二步：关联第一次分组和第二次分组（按b）的归属 #

接下来我们给第一次聚合后的new_df加上原始id列表的列，这样在第二次分组时就能把这些id带进去：

# 给new_df添加原始id列，把每个a对应的id列表关联上
new_df['original_ids'] = new_df['a'].map(a_group_ids)

# 执行第二次分组聚合，注意要把original_ids列合并起来
second_new_df = new_df.groupby('b').agg({
    'a': 'max',
    'id': 'max',
    'c': 'max',
    'original_ids': lambda x: [item for sublist in x for item in sublist]  # 合并同一b组下的所有原始id
}).reset_index()

现在看second_new_df，每个b分组对应的original_ids列就会列出所有属于这个b组的原始id，比如b=2对应的是[2]，b=7对应的是[5,7]，完美追踪到了归属关系。

进阶：直接获取原始ID到最终分组的映射 #

如果需要更直接的结果，比如每个原始id最终属于哪个b分组，我们可以生成一个一对一的映射字典：

id_to_final_b = {}
for _, row in second_new_df.iterrows():
    for original_id in row['original_ids']:
        id_to_final_b[original_id] = row['b']

# 举个例子，查id=3的最终分组
print(id_to_final_b[3])  # 输出8，和原始数据里的b值一致

核心思路总结 #

其实关键就是不要只做聚合，在每一步分组前先把分组键和原始id的关联关系保存下来，这样不管做多少次分组操作，都能通过映射链一步步追踪到每个原始id的归属，再也不用担心聚合后丢失关键信息啦！

备注：内容来源于stack exchange，提问作者Eran Moshe