如何在Pandas中按分组动态生成结构化文本列

碧海醫心 2026-01-13 00:00:00 次阅读

本文介绍如何基于已排序的dataframe，按`head`列的连续分组提取首名、筛选非重复成员，并拼接为定制化邀请消息，最终生成包含规范格式文本的新列`message`。

在实际数据处理中，常需将多行结构化信息（如分组下的成员列表）聚合成一句自然语言描述。本例中，原始DataFrame已按逻辑顺序排列，目标是：对每个连续相同的head值块（而非全局去重分组），提取其对应的所有members，剔除与head首名相同的成员，再按指定模板生成个性化邀请语句。

关键难点在于：head值（如Abba As）在数据中多次出现且不连续（第0–2行和第6–8行均为Abba As），但需视为两个独立邀请批次——因此不能直接用 df.groupby('head')，而应识别连续段（run-length grouping）。

以下为完整实现方案：

import pandas as pd

# 示例数据构建（保持原始顺序）
df = pd.DataFrame({
    'head': ['Abba As', 'Abba As', 'Abba As', 'Bella Bi', 'Bella Bi', 'Bella Bi', 'Abba As', 'Abba As', 'Abba As'],
    'members': ['Ally', 'Apo', 'Abba', 'Bella', 'Boo', 'Brian', 'Arra', 'Alya', 'Abba']
})

# 步骤1：识别连续分组编号（核心技巧）
group = df['head'].ne(df['head'].shift()).cumsum()

# 步骤2：定义生成message的函数
def generate_message(group_df):
    head_full = group_df.name[0]  # 获取当前分组的head值（元组形式取第一个）
    head_first = head_full.split()[0]  # 提取首名，如'Abba'
    # 过滤掉与首名相同的members（注意：区分大小写，此处假设严格匹配）
    other_members = [m for m in group_df['members'] if m != head_first]
    # 拼接为"X and Y"格式（支持2+个成员）
    others_str = ' and '.join(other_members)
    return f'Hi {head_first}, we invite you, {others_str}. Please use "{head_full}" when arriving.'

# 步骤3：分组应用 + 整理结果
result = (df.groupby(['head', group], sort=False)
          .apply(generate_message)
          .droplevel(1)  # 删除辅助分组层级
          .reset_index(name='message'))

print(result)

✅ 输出效果：

       head                                                                       message
0   Abba As     Hi Abba, we invite you, Ally and Apo. Please use "Abba As" when arriving.
1  Bella Bi  Hi Bella, we invite you, Boo and Brian. Please use "Bella Bi" when arriving.
2   Abba As    Hi Abba, we invite you, Arra and Alya. Please use "Abba As" when arriving.

? 注意事项：

df['head'].ne(df['head'].shift()).cumsum() 是识别连续段的标准范式，比 groupby().ngroup() 更精准适配本场景；
若members中存在大小写不一致（如'abba' vs 'Abba'），建议统一 .str.lower() 处理后再比较；
当某组内无其他成员（即所有members均等于首名），others_str为空字符串，语句会变为 "Hi X, we invite you, . Please..." —— 可在函数中添加 if not other_members: others_str = 'no one else' 做健壮性增强；
模板中的标点、空格需严格遵循业务要求，推荐将模板提取为常量字符串便于维护。

该方法兼具可读性与扩展性，适用于各类基于连续分组的文本聚合任务。