如何合并因长文件名被误读拆分的DataFrame两行数据？

解决方案步骤 #

• 统一处理空值，将None转换为pandas可识别的空值类型：

import pandas as pd

# 假设数据已读入为df
df = df.replace([None], pd.NA)

• 向前填充File-Name列的空值，让拆分的文件名后半段与前一行的前半段关联：

df['File-Name'] = df['File-Name'].ffill()

• 按Time Stamp和File Size分组，合并同一文件的拆分文件名：

df = df.groupby(['Time Stamp', 'File Size'], dropna=False)['File-Name'].apply(' '.join).reset_index()

• 清理包含空值的无效行：

df = df.dropna(subset=['Time Stamp', 'File Size', 'File-Name'])

逻辑说明 #

拆分的行有明显特征：同一文件的拆分行共享相同的Time Stamp和File Size，且其中一行文件名不完整、另一行的时间/大小为空。通过向前填充文件名，可将拆分的前后段归属到同一组，分组拼接后得到完整文件名，最后清理无有效数据的行即可。

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