使用Pandas按Source_Polygon_ID分组聚合Neighbor_Polygon_ID列表的技术咨询

嘿，这个需求用Pandas的groupby配合聚合函数就能轻松实现，我给你详细拆解下具体方案：

1. 先看示例数据 #

假设你的CSV内容大概是这样的：

Source_Polygon_ID,Neighbor_Polygon_ID
1,2
1,3
2,1
2,4
3,1
3,5

2. 核心代码实现 #

直接上可运行的代码，每一步我都给你注释清楚：

import pandas as pd

# 第一步：读取你的CSV文件，替换成实际文件路径
df = pd.read_csv("your_polygon_data.csv")

# 第二步：分组并聚合邻居ID为列表
# groupby按Source_Polygon_ID分组，agg(list)把每组的Neighbor_Polygon_ID打包成列表
grouped_df = df.groupby("Source_Polygon_ID")["Neighbor_Polygon_ID"].agg(list).reset_index()

# 可选：查看处理后的结果
print(grouped_df)

3. 处理后的结果 #

运行上面的代码后，你会得到这样的DataFrame：

Source_Polygon_ID Neighbor_Polygon_ID
0                  1              [2, 3]
1                  2              [1, 4]
2                  3              [1, 5]

4. 额外优化方案 #

如果你的数据里存在重复的邻居ID（比如同一个Source对应同一个Neighbor出现多次），可以先去重再生成列表：

# 先转集合去重，再转回列表
grouped_df = df.groupby("Source_Polygon_ID")["Neighbor_Polygon_ID"].agg(lambda x: list(set(x))).reset_index()

5. 导出结果到新CSV #

如果需要把处理后的结果保存成新的CSV文件，只需加一行：

grouped_df.to_csv("grouped_polygon_neighbors.csv", index=False)

内容的提问来源于stack exchange，提问作者user7590842