如何根据Series标记合并DataFrame中指定型号的行

原始数据 #

DataFrame（df1） #

包含型号、部件及数量信息，定义代码：

import pandas as pd

df1 = pd.DataFrame({'model':['A','A','A','B','B','C','C','C','D','D'],
                'part':['ax','ay','az','bx','by','cx','cy','cz','dx','dy'],
                'qty':[1,2,3,2,4,2,5,3,1,2]})

数据结构如下：

Series（s1） #

记录各型号是否允许合并：on表示可合并，off表示不可合并，定义代码：

s1 = pd.Series({'A':'on', 'B':'off','C':'off','D':'on'})

对应关系如下：

需求 #

保留标记为off的型号行不变，将标记为on的型号行合并：同一型号的part用逗号拼接，qty列求和，预期结果：

实现方案 #

完整代码 #

import pandas as pd

# 初始化原始数据
df1 = pd.DataFrame({'model':['A','A','A','B','B','C','C','C','D','D'],
                'part':['ax','ay','az','bx','by','cx','cy','cz','dx','dy'],
                'qty':[1,2,3,2,4,2,5,3,1,2]})
s1 = pd.Series({'A':'on', 'B':'off','C':'off','D':'on'}).rename('merge_flag').reset_index().rename(columns={'index':'model'})

# 给df1添加合并标记列
df_with_flag = df1.merge(s1, on='model', how='left')

# 处理不可合并的行：直接保留原结构
df_no_merge = df_with_flag[df_with_flag['merge_flag'] == 'off'].drop('merge_flag', axis=1)

# 处理可合并的行：按型号分组，拼接部件、求和数量
df_merge = df_with_flag[df_with_flag['merge_flag'] == 'on'].groupby('model').agg(
    part=('part', ','.join),
    qty=('qty', 'sum')
).reset_index()

# 合并结果并按型号排序
final_result = pd.concat([df_merge, df_no_merge], ignore_index=True).sort_values('model').reset_index(drop=True)

print(final_result)

代码说明 #

1. 关联标记列：将Series s1转换为DataFrame格式，通过merge把合并标记关联到df1的每一行
2. 拆分处理：
   • 筛选出标记为off的行，直接去除标记列后保留原始结构
   • 对标记为on的行按model分组，用','.join拼接同型号的部件名称，用sum计算数量总和
3. 合并结果：将两组数据合并后按型号排序，得到最终符合需求的DataFrame

内容的提问来源于stack exchange，提问作者ghost_like