Pandas GroupBy：将分组数据聚合为列表并赋值到新列

本文详解如何在 Pandas 中对 DataFrame 按多列分组后将某列如产品名聚合为列表list或字符串并正确广播回原始数据——避免 ValueError: Cannot set a DataFrame with multiple columns 等常见错误。 本文详解如何在 pandas 中对 dataframe 按多列分组后将某列如产品名聚合为列表list或字符串并正确广播回原始数据——避免 valueerror: cannot set a dataframe with multiple columns 等常见错误。在 Pandas 数据分析中常需按客户、订单等维度聚合关联信息。例如将同一 customer_id order_id 下的所有 products 合并为一个列表或去重集合、逗号分隔字符串并保持原始行数不变即每行显示其所属分组的完整产品集合。但直接使用 grouped[products].agg(list).reset_index() 会返回一个索引重置后的 DataFrame列数与原始 DataFrame 不匹配导致赋值时报错ValueError: Cannot set a DataFrame with multiple columns to the single column all_products根本原因在于agg(list) 返回的是一个 Series索引为分组键调用 .reset_index() 后变成含多列customer_id, order_id, products的 DataFrame无法直接赋给单列。? 正确解法是使用 .transform() —— 它专为“分组后广播结果回原始形状”而设计输出长度恒等于原 DataFrame 行数。? 推荐方案transform list生成嵌套列表import pandas as pddf pd.DataFrame({ customer_id: [1, 2, 3, 2, 1], order_id: [1, 2, 3, 4, 1], products: [foo, bar, baz, foo, bar], amount: [1, 1, 1, 1, 1]})grouped df.groupby([customer_id, order_id])# ? 正确transform 返回与原 df 等长的 Series每个元素是该分组的 product 列表df[all_products] grouped[products].transform(list)df[product_order_count] grouped[amount].transform(sum)print(df)输出 customer_id order_id products amount product_order_count all_products0 1 1 foo 1 2 [foo, bar]1 2 2 bar 1 1 [bar]2 3 3 baz 1 1 [baz]3 2 4 foo 1 1 [foo]4 1 1 bar 1 2 [foo, bar]? 注意transform(list) 内部自动对每个分组执行 list(x)并重复该列表 len(x) 次即每行都得到相同列表完美匹配原始行结构。 RedClaw 百度推出的手机端万能AI Agent助手