如何合并仅流媒体服务列值不同的重复电影数据行？

我正在清洗一个由4个流媒体服务的电影CSV文件合并而成的数据库，部分电影同时在多个平台（如Prime和Hulu）上线。已经通过代码movies.groupby(compareColumns, group_keys=False)[allColumns].apply(lambda x: x.ffill().bfill())完成了其余列的合并，但目前剩余部分行仅onPrime/onNetflix等二进制状态列（0=未上线，1=已上线）值不同，其余内容完全一致。

现有数据示例 #

目标输出 #

我尝试过filledgroups.fillna(value=0, axis=0, inplace=True, limit=1)，但该操作会填充其他列的空值，而我仅需将onPrime/onHulu等列的0合并为1，不影响其他列。

解决方案 #

可以利用groupby结合聚合函数实现：对于流媒体状态列，用max函数——因为只要同一电影有一行显示已上线（值为1），合并后就应该保留1；其他内容一致的列，用first或max均可（因为值完全相同，结果无差异）。

代码示例1：分列指定聚合规则

# 定义流媒体状态列的列表
streaming_cols = ['onPrime', 'onHulu', 'onNetflix']
# 筛选出其他列
other_cols = [col for col in movies.columns if col not in streaming_cols]

# 分组聚合：其他列取第一个值，流媒体列取最大值
merged_movies = movies.groupby(compareColumns, group_keys=False).agg(
    **{col: 'first' for col in other_cols},
    **{col: 'max' for col in streaming_cols}
)

代码示例2：简洁版（适用于其他列内容完全一致的情况）

如果其他列经过之前的ffill/bfill后已经完全一致，直接对整个DataFrame用max聚合即可：

merged_movies = movies.groupby(compareColumns).max().reset_index()

max对字符串类型的列也能正常返回相同的值（因为所有行值一致），对流媒体列则会保留1的状态，完美符合需求。

内容的提问来源于stack exchange，提问作者george