如何在Pandas DataFrame中分组并按条件拼接列值

原始DataFrame：

id1          id2          id3   lan term      
0 100000000006 100000023268 10000 en  Abnormal pain
1 100000000006 100000023268 10000 zh  jhkghdgh 
2 100000000006 100000023268 10000 cs  ghjdgfhgd 
3 100000000006 100000023268 10000 nl  jgfhgjhgfh
4 100000000006 100000023268 10000 fr  hgdhfghjgeh
5 100000000006 100000023269 10000 en  pain
6 100000000006 100000023269 10000 fr  hgdhfghjgehd
7 100000000006 100000023269 10000 nl  hgdhfghjgehdff

需求：按id1、id2、id3分组，将lan不为'en'的term值用|拼接成新列synonyms，同时保留每组lan='en'对应的term值。

现有未过滤的代码：

join_unique = lambda x: '|'.join(x.unique())
df_meddra_qtt = df_meddra.groupby(['id1', 'id2', 'id3'], as_index=False).agg(join_unique)

方法一：拆分处理后合并 #

先提取每组的英文term，再单独处理非英文term的拼接，最后合并结果：

# 提取每组lan为en的term
df_en = df_meddra[df_meddra['lan'] == 'en'].copy()

# 过滤非en的行，分组拼接term得到synonyms（去除term前后空格）
df_synonyms = df_meddra[df_meddra['lan'] != 'en'].groupby(['id1', 'id2', 'id3'], as_index=False)['term'].agg(
    lambda x: '|'.join(x.str.strip())
)
df_synonyms.rename(columns={'term': 'synonyms'}, inplace=True)

# 合并两个DataFrame
df_result = df_en.merge(df_synonyms, on=['id1', 'id2', 'id3'], how='left')

方法二：聚合时指定列的处理逻辑 #

直接在分组聚合阶段，对不同列设置针对性处理规则，一步得到结果：

def get_en_term(series):
    # 取当前组中lan为en的term（假设每组仅一个en条目）
    return series[df_meddra.loc[series.index, 'lan'] == 'en'].iloc[0]

def join_non_en_terms(series):
    # 过滤当前组中lan不为en的term，去除空格后拼接
    non_en_terms = series[df_meddra.loc[series.index, 'lan'] != 'en'].str.strip()
    return '|'.join(non_en_terms)

df_result = df_meddra.groupby(['id1', 'id2', 'id3'], as_index=False).agg(
    term=('term', get_en_term),
    synonyms=('term', join_non_en_terms)
)

说明 #

• 两种方法均可实现需求，方法一逻辑直观易调试，方法二代码更紧凑。
• str.strip()用于清理term值前后的空格（示例中zh的term存在尾空格），若无需清理可直接移除。
• 默认每组仅存在一个lan='en'的条目，若有多条可根据需求调整get_en_term逻辑（如取第一条、拼接所有en term等）。

内容的提问来源于stack exchange，提问作者rshar