基于ProdCategory拼接ProdID：Python生成指定列需求问询

当然可行！用Python的pandas库就能轻松搞定这个需求，我结合你提供的数据示例，整理了具体的实现步骤和代码：

需求回顾 #

根据你的数据示例，我们需要生成两列：

• MainProdConcat：按OrderNo和MainItem分组，拼接该组内所有的ProdID（不区分ProdCategory）
• MainProdConcat_PConly：按OrderNo和MainItem分组，仅拼接该组内ProdCategory为PC的ProdID

代码实现 #

import pandas as pd

# 1. 构造你的示例数据（实际使用时可替换为读取你的数据源，比如csv/excel）
data = {
    "OrderNo": [123334]*6,
    "ProdID": [1, 2, 3, 4, 5, 6],
    "ProdCategory": ["PC", "PC", "PC", "PC", "Accessories", "Accessories"],
    "ItemNo": [100, 110, 120, 130, 140, 150],
    "ProdType": ["Main", "Option", "Option", "Option", "Option", "Option"],
    "MainItem": [100]*6
}
df = pd.DataFrame(data)

# 2. 生成MainProdConcat列：分组后拼接所有ProdID
df["MainProdConcat"] = df.groupby(["OrderNo", "MainItem"])["ProdID"].transform(
    lambda x: ",".join(map(str, x))
)

# 3. 生成MainProdConcat_PConly列：仅拼接ProdCategory为PC的ProdID
# 先过滤出PC类别的行，分组拼接后合并回原数据
pc_concat = df[df["ProdCategory"] == "PC"].groupby(["OrderNo", "MainItem"])["ProdID"].apply(
    lambda x: ",".join(map(str, x))
).reset_index(name="MainProdConcat_PConly")

df = df.merge(pc_concat, on=["OrderNo", "MainItem"], how="left")

# 查看最终结果
print(df)

代码说明 #

• 分组逻辑：使用OrderNo和MainItem作为分组键，确保同一订单下同一主商品的相关ProdID被归为一组
• transform方法：直接将分组拼接后的结果映射到原DataFrame的每一行，无需额外合并操作，高效简洁
• PCOnly列处理：先筛选出ProdCategory为PC的行再进行分组拼接，最后通过merge将结果合并回原表，保证所有行都能获取到对应的值

运行上述代码后，你就能得到和示例中一致的MainProdConcat和MainProdConcat_PConly列啦！

内容的提问来源于stack exchange，提问作者radheradhe