如何在Pandas中依据ID列重复值合并Design codes到同一单元格？

假设你的DataFrame名为df，ID是分组列，Design codes是需要合并的列，第2至5列可根据实际列名替换（或通过索引动态获取）。直接通过groupby+agg一次性完成所有列的聚合，无需额外添加列：

import pandas as pd

# 方式1：指定具体列名
agg_rules = {
    'col2': 'first',  # 替换为你的第2列实际列名
    'col3': 'first',  # 替换为你的第3列实际列名
    'col4': 'first',  # 替换为你的第4列实际列名
    'col5': 'first',  # 替换为你的第5列实际列名
    'Design codes': lambda x: '\n'.join(x.astype(str))
}

result_df = df.groupby('ID', as_index=False).agg(agg_rules)

关键说明 #

• 第2至5列因同一ID下值完全一致，用'first'（或'max'/'min'）即可保留有效唯一值，不会丢失信息。
• Design codes列通过'\n'.join()将同一ID下的所有值用换行符拼接，实现单元格内换行显示；若该列已是字符串类型，可去掉.astype(str)。
• as_index=False确保分组后的ID列仍为普通列，而非索引。

如果不知道第2至5列的具体列名，可通过索引动态获取：

# 获取第2到5列的列名（索引从0开始，对应位置1-4）
cols_to_keep = df.columns[1:5].tolist()
# 动态构建聚合规则
agg_rules = {col: 'first' for col in cols_to_keep}
agg_rules['Design codes'] = lambda x: '\n'.join(x.astype(str))

result_df = df.groupby('ID', as_index=False).agg(agg_rules)

内容的提问来源于stack exchange，提问作者RohitM