合并DataFrame中同一instance的多列数据，解决groupby操作异常

你看到的<pandas.core.groupby.generic.DataFrameGroupBy object>不是错误，只是groupby()方法返回的是分组对象，而非直接处理后的DataFrame。你需要在分组后添加聚合操作，提取每个instance分组下的非NaN值，合并为单行。

核心思路 #

同一instance分组内，scan/comp/sort等列各自仅存在一个有效非NaN值，其余均为NaN。因此只需对每个分组的列取第一个非空值（或任意非空值）即可完成合并。

具体代码实现 #

1. 先构造一个模拟你的df1的示例：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({
    'instance': ['inst1', 'inst1', 'inst1', 'inst2', 'inst2'],
    'scan': [100, np.nan, np.nan, np.nan, 200],
    'comp': [np.nan, 50, np.nan, 80, np.nan],
    'sort': [np.nan, np.nan, 30, np.nan, 40]
})

2. 使用groupby+聚合操作完成合并：

# 方式1：用first()自动跳过NaN，返回分组内每个列的第一个非空值
df2 = df1.groupby('instance').first().reset_index()

# 方式2：自定义lambda函数提取非空值，逻辑更直观
df2 = df1.groupby('instance').agg(lambda x: x.dropna().iloc[0]).reset_index()

说明 #

• first()方法完美适配你的场景：它会自动忽略NaN，返回分组内每个列的第一个有效非空值。
• reset_index()用于将instance从分组索引重新转为普通列，让最终的df2保持每行对应一个instance的规整结构。

内容的提问来源于stack exchange，提问作者user3555115