Pandas按单键合并DataFrame，指定列仅首次保留非空值

步骤1：执行初始合并 #

先运行你原本的合并代码，得到包含重复status值的DataFrame：

import pandas as pd

# 构造示例数据
DF1 = pd.DataFrame({
    'employee': ['x12345', 'x12345', 'z12345', 'z12345'],
    'year': [2023, 2022, 2015, 2013]
})

DF2 = pd.DataFrame({
    'employee': ['x12345', 'z12345', 'm12345', 'q12345'],
    'status': ['active', 'active', 'inactive', 'active']
})

# 初始合并操作
merged = pd.merge(DF1, DF2, how="outer", on=["employee"])

步骤2：处理重复的Status值 #

通过分组标记的方式，仅保留每个employee组内第一条记录的status值，其余替换为Pandas的缺失值（对应你要的NULL）：

# 标记每个employee的第一条记录
merged['is_first'] = merged.groupby('employee').cumcount() == 0
# 仅保留第一条的status，其余设为缺失值
merged['status'] = merged['status'].where(merged['is_first'], pd.NA)
# 删除临时标记列
merged = merged.drop('is_first', axis=1)

或者用更简洁的transform写法：

merged['status'] = merged.groupby('employee')['status'].transform(
    lambda x: x.where(x.index == x.first_valid_index(), pd.NA)
)

最终效果 #

处理后的数据框会匹配你的期望：

注：Pandas中用pd.NA表示缺失值，显示时会呈现为<NA>，和你需要的NULL效果一致。

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