Pandas DataFrame分组聚合后col4缺失的问题求助

问题场景 #

按指定列分组后，将其他列的唯一值用' | '分隔聚合，但结果中丢失了col4列。

示例数据 #

原始DataFrame：

col1                                                col2            col3                col4
THREE M SYNDROME 1  {3-M syndrome 1, 273750 (3)}    3-m syndrome 1  {3-M syndrome 1}    273750
THREE M SYNDROME 1  {3-M syndrome 1, 273750 (3)}    3-m syndrome 2  {3-M syndrome 2}    273750

预期结果：

col1                                                col2            col3                       col4
THREE M SYNDROME 1  {3-M syndrome 1, 273750 (3)}    3-m syndrome 1 | 3-m syndrome 2 {3-M syndrome 1} | {3-M syndrome 2} 273750

当前代码及问题 #

使用以下代码后，结果中缺少col4：

join_unique = lambda x: ' | '.join(x.unique())
df2= df.groupby(['preferred_title_symbol'], as_index=False).agg(join_unique)

原因及解决方案 #

原因 #

1. col4为数值类型（如整数），x.unique()返回数值数组，直接用str.join()会触发类型错误，Pandas会自动跳过无法聚合的列，导致col4丢失。
2. 分组列名与示例数据中的列名不匹配（示例中分组列应为col1，而非preferred_title_symbol）。

解决代码 #

方案1：统一处理所有列（兼容字符串/数值类型）

修改聚合函数，先将所有元素转为字符串再进行拼接，同时修正分组列名：

join_unique = lambda x: ' | '.join(map(str, x.unique()))
# 确保分组列名与实际DataFrame一致，示例中为col1
df2 = df.groupby(['col1'], as_index=False).agg(join_unique)

方案2：针对不同列指定聚合逻辑

如果希望数值列在唯一值仅一个时保留原格式，可自定义各列的聚合规则：

agg_rules = {
    'col2': lambda x: ' | '.join(x.unique()),
    'col3': lambda x: ' | '.join(x.unique()),
    'col4': lambda x: x.unique()[0]  # 直接取唯一值（示例中该列值无重复）
}
df2 = df.groupby(['col1'], as_index=False).agg(agg_rules)

以上两种方式都能确保col4被正确包含在聚合结果中。

内容的提问来源于stack exchange，提问作者rshar