如何用Pandas实现按Date和ID分组且不重复显示对应值？

核心思路是标记重复的Date和ID行，将这些重复行的对应单元格设为空值，既保留所有原始数据，又能实现分组后不重复显示的效果，最终直接导出Excel即可。

步骤1：还原示例DataFrame #

先复现你的数据结构：

import pandas as pd

data = {
    'Date': ['01-01-2023', '01-01-2023', '01-01-2023', '02-01-2023', '02-01-2023', '02-01-2023'],
    'ID': ['123', '123', '839', '123', '942', '942'],
    'Brand': ['Apple', 'Microsoft', 'Oneplus', 'Samsung', 'LG', 'Samsung'],
    'Product': ['Macbook', 'Surface', '9T', 'S10', 'V10', 'S23']
}

df = pd.DataFrame(data)

步骤2：处理重复的Date和ID #

用duplicated()方法判断重复项，将重复的分组单元格替换为空字符串：

# 仅保留每个Date的第一行显示，其余重复Date设为空
df['Date'] = df['Date'].where(~df['Date'].duplicated(), '')
# 按Date分组后，仅保留每组内每个ID的第一行显示，其余重复ID设为空
df['ID'] = df.groupby('Date')['ID'].transform(lambda x: x.where(~x.duplicated(), ''))

处理后的DataFrame效果如下：

步骤3：导出至Excel #

直接使用Pandas的导出方法，注意关闭索引列：

df.to_excel('grouped_output.xlsx', index=False)

补充说明 #

• 该方案完全保留原始数据，仅修改分组列的重复显示，符合Excel中常见的分组排版需求。
• 若后续需要恢复原始数据，只需保留最初的DataFrame副本即可，修改操作未影响原始数据结构。

内容的提问来源于stack exchange，提问作者Bearishcat