如何按ID合并DataFrame行并保留所有列（字符型数据）

针对你要按ID分组，将多行合并为一行且保留所有列的需求，核心逻辑是对每个分组内的列，只要存在YES就保留YES，否则留空，可以用Pandas的分组聚合实现：

步骤1：构造示例数据（和你的数据一致） #

import pandas as pd

df = pd.DataFrame({
    'ID': ['A001', 'A001', 'A002', 'A002', 'A002', 'A003'],
    'thing_1': [pd.NA, 'YES', pd.NA, pd.NA, 'YES', pd.NA],
    'thing_2': ['YES', pd.NA, pd.NA, 'YES', pd.NA, 'YES'],
    'thing_3': [pd.NA, pd.NA, 'YES', pd.NA, 'YES', pd.NA]
})

步骤2：分组聚合实现需求 #

方法一：自定义聚合函数（通用型，适用于列有多种非空值的情况）

# 按ID分组，对每个列提取非空值，有值则取唯一有效值，无值则留NA
result = df.groupby('ID').agg(
    lambda x: x.dropna().unique()[0] if not x.dropna().empty else pd.NA
).reset_index()

方法二：用max()简化操作（仅适用于列只有YES和NA的场景）

因为Pandas对字符串列执行max()时会自动忽略NA，而YES是唯一的非空字符串，直接取最大值就能得到想要的结果：

result = df.groupby('ID').max().reset_index()

最终结果 #

执行后result的输出为：

内容的提问来源于stack exchange，提问作者Hawk McFadzen