如何压缩含近乎重复行的DataFrame长度并实现垂直值的水平合并？

刚好碰到过类似的DataFrame整理需求，用pandas就能快速解决这两个问题，我给你详细拆解下：

问题1：合并冗余重复行，聚合分散的非零值 #

你这里的情况是A/B/C列完全重复，有效数据却分散在D/E/F列的不同行（其余都是0）。核心思路是把相同A/B/C的行归为一组，然后把每组里各列的有效值提取出来合并到一行：

import pandas as pd

# 先构造你的示例DataFrame
df1 = pd.DataFrame({
    'A': [1.5, 1.5, 1.5],
    'B': [3, 3, 3],
    'C': [2, 2, 2],
    'D': ['a', 0, 0],
    'E': [0, 'b', 0],
    'F': [0, 0, 'c']
})

# 分组聚合：按A/B/C分组，提取每个列的非0有效值
result1 = df1.groupby(['A', 'B', 'C']).agg(lambda x: x[x != 0].iloc[0]).reset_index()
print(result1)

运行后就能得到你想要的结果：每组里D/E/F列的非0值会被提取到同一行，A/B/C保持不变。

问题2：垂直排列数据转水平结构 #

这个场景里A1列有重复值和唯一值，C列值统一，需要把A1的唯一值拆分到A1和A2列。我们可以先提取A1的唯一值，再重新构造目标结构的DataFrame：

# 构造示例DataFrame
df2 = pd.DataFrame({
    'A1': [1.5, 1.5, 2.5],
    'A2': [pd.NA, pd.NA, pd.NA],
    'C': [2, 2, 2]
})

# 获取A1的唯一值和C的唯一值
unique_a1 = df2['A1'].unique()
unique_c = df2['C'].unique()[0]

# 构造结果DataFrame
result2 = pd.DataFrame({
    'A1': [unique_a1[0]],
    'A2': [unique_a1[1]],
    'C': [unique_c]
})
print(result2)

如果后续A1的唯一值数量有变化，也可以调整代码把它们动态转成横向列，不过按照你的示例需求，上面的代码完全够用。

内容的提问来源于stack exchange，提问作者user12965285