如何用for循环合并DataFrame中重复影片的制作公司至单行

核心解决方案：使用Pandas分组聚合（替代低效的for循环） #

直接利用Pandas的groupby()+agg()方法完成合并，这比手动写for循环高效得多，且代码简洁可靠。

步骤1：模拟你的数据场景 #

先构造和你数据结构一致的示例，方便理解：

import pandas as pd

data = {
    'title': ['Avatar', 'Avatar', 'Titanic', 'Titanic', 'Inception'],
    'id': [1, 1, 2, 2, 3],
    'revenue': [2847246203, 2847246203, 2201647264, 2201647264, 825532764],
    'comp_name': ['20th Century Fox', 'Lightstorm Entertainment', 'Paramount Pictures', '20th Century Fox', 'Warner Bros.']
}
df = pd.DataFrame(data)

步骤2：执行合并操作 #

按影片id（唯一标识，比title更可靠，避免重名影片）分组，将同一影片的制作公司合并为字符串（或列表），其他字段取唯一值（同一id的title、revenue理论上完全一致）：

# 合并制作公司为逗号分隔的字符串，也可以用list(x)转成列表格式
merged_df = df.groupby('id').agg(
    title=('title', 'first'),
    revenue=('revenue', 'first'),
    comp_names=('comp_name', lambda x: ', '.join(x))
).reset_index()

执行后merged_df的结果：

可选：添加数据校验（避免异常数据） #

如果担心同一id下的title/revenue存在不一致的异常情况，可以加校验逻辑：

def validate_unique(series):
    if series.nunique() != 1:
        raise ValueError(f"ID {series.name} 存在不一致的字段值")
    return series.iloc[0]

merged_df = df.groupby('id').agg(
    title=('title', validate_unique),
    revenue=('revenue', validate_unique),
    comp_names=('comp_name', ', '.join)
).reset_index()

为什么不推荐用for循环？ #

手动for循环处理这类场景不仅代码繁琐，而且面对大数据量时，Pandas的向量化分组操作速度是for循环的几十甚至上百倍，同时能避免循环中容易出现的重复赋值、遗漏数据等bug。

内容的提问来源于stack exchange，提问作者Data_Hero_21