如何优化Pandas分组拼接列并填充组内NaN为公共值的代码？

输入数据 df1 #

A        B        C          D  E   F   G
Messi   Forward   Argentina  1  Nan 5   6
Ronaldo Defender  Portugal  Nan 4   Nan 3
Messi   Midfield  Argentina Nan 5   Nan 6
Ronaldo Forward   Portugal   3  Nan 2   3
Mbappe  Forward   France    1   3   2   5

预期输出 df #

A         B                   C         D   E   F   G
Messi   Forward,Midfield    Argentina   1   5   5   6
Ronaldo Forward,Defender    Portugal    3   4   2   3
Mbappe  Forward               France    1   3   2   5

当前尝试代码 #

df.groupby(['A','C'])['B'].agg(','.join).reset_index()
df.fillna(method='ffill')

需求说明 #

按A、C列分组，拼接B列的所有取值；同时将D、E、F、G列中的NaN填充为组内的公共有效值（组内非NaN的唯一值）。

更优实现方式 #

可以通过一次groupby聚合操作完成所有需求，避免多次处理数据框：

import pandas as pd

# 假设已加载输入数据到df1
df_result = df1.groupby(['A', 'C'], as_index=False).agg(
    # 拼接B列的取值
    B=('B', ','.join),
    # 对其他列取组内第一个非NaN值（组内有效值唯一）
    D=('D', lambda x: x.dropna().iloc[0]),
    E=('E', lambda x: x.dropna().iloc[0]),
    F=('F', lambda x: x.dropna().iloc[0]),
    G=('G', lambda x: x.dropna().iloc[0])
)

说明 #

• 这种方式将分组拼接和NaN填充合并为一步操作，效率更高，逻辑更清晰。
• 由于D/E/F/G列在每个分组内的有效值是唯一的，所以通过dropna()过滤NaN后取第一个值即可得到组内公共值。

内容的提问来源于stack exchange，提问作者AB14