如何基于列条件拼接DataFrame指定行且不影响其他列

可以通过分组后自定义处理每组数据的方式实现需求，既能完成col1的拼接，又能完整保留col3、col4的原始数据。核心思路是：按col2分组，在每个组内提取需要拼接的字符串，再针对性修改非目标行的col1内容。

步骤示例 #

先构造示例DataFrame模拟你的数据：

import pandas as pd

df = pd.DataFrame({
    'col1': ['make_A', 'rake_B', 'test_C', 'make_D', 'test_E'],
    'col2': ['X', 'X', 'X', 'Y', 'Y'],
    'col3': [1, 2, 3, 4, 5],
    'col4': ['a', 'b', 'c', 'd', 'e']
})

然后定义分组处理函数，再应用到每个分组：

def process_group(group):
    # 提取当前组中以make/rake开头的col1内容，拼接成后缀字符串
    concat_suffix = ' '.join(group[group['col1'].str.startswith(('make', 'rake'))]['col1'])
    # 仅对非目标行的col1进行拼接，目标行保持原样
    group['col1'] = group.apply(
        lambda row: f"{row['col1']} {concat_suffix}" if not row['col1'].startswith(('make', 'rake')) else row['col1'],
        axis=1
    )
    return group

# 按col2分组处理，合并结果
result_df = df.groupby('col2', group_keys=False).apply(process_group)

效果说明 #

处理后的result_df会保留所有原始行的col3、col4数据，仅将同组内make/rake开头的col1内容，拼接到组内其他行的col1末尾：

为什么groupby+agg不适用？ #

agg()方法是对列做聚合操作（比如取均值、合并列表），会丢失原始行的结构，导致col3、col4无法对应到每一行。而用apply()处理整个分组，可以完整保留每行的所有列数据，仅针对性修改col1。

内容的提问来源于stack exchange，提问作者user22391597