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, bar1 2 2 bar 1 1 bar2 3 3 baz 1 1 baz3 2 4 foo 1 1 foo4 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