17370845950

本文介绍如何利用`groupby().apply()`配合自定义函数，将dataframe中按连续相同“head”分组的成员列表整合为自然语言格式的邀请消息，并自动排除与head同名的重复成员。

在实际数据分析中，常需将结构化数据（如分组后的多行记录）转换为可读性强的文本摘要。本例目标是：对连续出现的相同 head（如 "Abba As"）所对应的 members 列进行聚合，生成一条个性化邀请语句——其中首名成员（取 head 的姓氏部分）作为主宾称呼，其余成员用“and”连接，并保留原始 head 字符串用于入场标识。

关键难点在于：需按“head值连续出现”的逻辑分组（而非简单去重分组），因为同一 head 可能在后续再次出现（如示例中 "Abba As" 出现在索引 0–2 和 6–8），应视为两个独立邀请批次。

以下是完整实现方案：

import pandas as pd

# 构建示例数据
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（核心！）
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]  # 获取当前组的head值（元组形式，取第一个元素）
    head_first_name = head_full.split()[0]  # 提取首名（如"Abba"）
    # 过滤掉与首名相同的成员（即本人），保留其余成员
    other_members = [m for m in group_df['members'] if m != head_first_name]
    # 用" and "连接其他成员
    others_str = ' and '.join(other_members)
    return f'Hi {head_first_name}, 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'))

✅ 输出结果严格匹配预期：

       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() 是识别连续相同值区块的标准技巧，不可替换为 df.groupby('head')（否则会合并所有 "Abba As" 行，丢失批次语义）；
• groupby(['head', group]) 中 group 是辅助序列号，确保相同 head 的不同连续段被区分开；
• 若某组内除首名外无其他成员（如仅含 ["Abba"]），others_str 将为空字符串，语句变为 "Hi Abba, we invite you, . Please..." —— 可根据业务需求在函数中增加空值判断（例如 if not other_members: others_str = "no one else"）；
• 此方法时间复杂度为 O(n)，适用于万级以内数据；超大数据量建议结合 numba 或预聚合优化。

该模式可灵活扩展：替换模板字符串、支持多语言、接入邮件/短信API，是构建自动化报告与通知系统的典型范式。