如何用Python按CVE ID去重并合并去重后的Product Versions列

原始数据 #

CVE ID             Product Versions
0      CVE-2022-46689                   Mac OS 12
1      CVE-2022-42856                      Safari
2      CVE-2022-46689             Windows 10 21h1
3      CVE-2022-41121             Windows 10 21h2
4      CVE-2022-42856                      Safari

目标结果 #

CVE ID             Product Versions
0      CVE-2022-46689            Mac OS 12, Windows 10 21h1
1      CVE-2022-42856            Safari
2      CVE-2022-41121            Windows 10 21h2

实现代码 #

使用Pandas的分组与自定义聚合操作即可完成需求：

import pandas as pd

# 构造原始DataFrame（已有数据可跳过此步）
df = pd.DataFrame({
    'CVE ID': ['CVE-2022-46689', 'CVE-2022-42856', 'CVE-2022-46689', 'CVE-2022-41121', 'CVE-2022-42856'],
    'Product Versions': ['Mac OS 12', 'Safari', 'Windows 10 21h1', 'Windows 10 21h2', 'Safari']
})

# 核心操作：分组后去重合并
result_df = df.groupby('CVE ID')['Product Versions'].apply(
    lambda x: ', '.join(pd.unique(x))
).reset_index()

# 重置索引为连续整数（可选）
result_df.index = range(len(result_df))

print(result_df)

关键步骤说明 #

• groupby('CVE ID')：将数据按CVE ID分组，相同CVE的行归为一组
• pd.unique(x)：对每组内的Product Versions值去重，保留唯一条目
• ', '.join(...)：把去重后的版本值用「逗号+空格」连接成字符串
• reset_index()：将分组结果转换为标准DataFrame结构，恢复列名与连续索引

内容的提问来源于stack exchange，提问作者Karan Nayak