如何修改Python代码仅拼接连续相同name和day行的text字段？

DevOps 小满

2026-8-3

问题描述

现有数据集：

name  day        text    
john  1 october  hello
john  1 october  world
mary  1 october  good friend
john  1 october  python is cool
peter 1 october  love is
peter 1 october  in the air

需求：仅将连续行中name和day字段均相同的text字段拼接，非连续的相同name+day组合不合并。期望输出：

name  day        text
john  1 october  hello world
mary  1 october  good friend
john  1 october  python is cool
peter 1 october  love is in the air

当前使用代码：

data = data.fillna(' ')
data = data.groupby(['name', 'day'], as_index=False).agg({'text': ' '.join})

但该代码会将同一name+day的所有text全量拼接，不符合需求，得到错误结果：

name  day        text
john  1 october  hello world python is cool
mary  1 october  good friend
peter 1 october  love is in the air

解决方案

核心思路是先标记出连续相同的name+day分组，再针对这些分组进行拼接，而非直接按name+day全局分组。

修改后的代码如下：

import pandas as pd

# 填充空值
data = data.fillna(' ')

# 创建分组标识：当name或day与前一行不同时，分组号+1
data['group_id'] = (data[['name', 'day']] != data[['name', 'day']].shift()).any(axis=1).cumsum()

# 按group_id分组拼接text，保留name和day
result = data.groupby('group_id', as_index=False).agg({
    'name': 'first',
    'day': 'first',
    'text': ' '.join
}).drop(columns='group_id')

代码解释

创建分组标识：通过shift()对比当前行与前一行的name和day，只要有一个字段不同，就生成一个新的分组号，确保连续相同的name+day行归为同一组。
分组拼接：按生成的group_id分组，取每组的第一个name和day，拼接组内的text，最后删除临时的group_id字段，得到目标结果。