Python中如何合并DataFrame并为原数据集添加分组标记列

1. 先完成数据标记与合并 #

先给两个DataFrame分别加上class标记列，再用pd.concat合并，这一步是基础操作——虽然合并后每行都会显示标记值，但这是后续实现展示层单元格合并的必要前提：

import pandas as pd

df1 = pd.DataFrame({'id': ['A01', 'A02'],
                    'Name': ['ABC', 'PQR']})
df2 = pd.DataFrame({'id': ['B05', 'B06'],
                    'Name': ['XYZ', 'TUV']})

# 给每个数据集添加专属标记
df1['class'] = 1
df2['class'] = 2

# 合并成一个DataFrame
merged_df = pd.concat([df1, df2], ignore_index=True)

2. 实现展示层的单元格合并 #

你需要的是展示时同一原数据集的标记单元格合并，这属于可视化样式设置，而非数据结构层面的合并。下面分两种常用场景给出实现方法：

场景1：在Jupyter Notebook/IPython中展示 #

用Pandas的Styler工具，通过CSS样式实现相邻相同值的单元格合并：

def merge_class_cells(df):
    # 找出class列中重复的行
    duplicate_mask = df['class'].duplicated(keep='first')
    style_rules = []
    
    # 遍历每行，设置合并规则
    for idx in range(len(df)):
        if not duplicate_mask.iloc[idx]:
            # 统计当前标记连续出现的行数
            current_val = df['class'].iloc[idx]
            consecutive_count = 1
            next_idx = idx + 1
            while next_idx < len(df) and df['class'].iloc[next_idx] == current_val:
                consecutive_count += 1
                next_idx += 1
            # 给第一个单元格设置rowspan，合并后续相同值的单元格
            style_rules.append({
                'selector': f'tbody tr:nth-child({idx+1}) td:nth-child(3)',
                'props': [('vertical-align', 'middle'), ('text-align', 'center'), ('border', '1px solid #ccc'), ('rowspan', f'{consecutive_count}')]
            })
        else:
            # 隐藏重复的单元格
            style_rules.append({
                'selector': f'tbody tr:nth-child({idx+1}) td:nth-child(3)',
                'props': [('display', 'none')]
            })
    
    # 给表格添加基础边框
    style_rules.append({
        'selector': 'table, th, td',
        'props': [('border', '1px solid #ccc'), ('border-collapse', 'collapse')]
    })
    
    return df.style.set_table_styles(style_rules)

# 调用函数展示带合并单元格的表格
merge_class_cells(merged_df)

场景2：导出到Excel实现单元格合并 #

如果需要导出到Excel并保留合并效果，使用openpyxl库操作：

from openpyxl import Workbook
from openpyxl.utils.dataframe import dataframe_to_rows
from openpyxl.styles import Alignment

# 创建工作簿和工作表
wb = Workbook()
ws = wb.active

# 将DataFrame数据写入工作表
for row_data in dataframe_to_rows(merged_df, index=False, header=True):
    ws.append(row_data)

# 合并class列的相同单元格
current_class = None
start_merge_row = 2  # 表头在第1行，数据从第2行开始

for row_num in range(2, ws.max_row + 1):
    current_val = ws.cell(row=row_num, column=3).value
    if current_val != current_class:
        # 合并上一组相同值的单元格
        if current_class is not None:
            ws.merge_cells(start_row=start_merge_row, start_column=3, end_row=row_num-1, end_column=3)
            # 设置单元格内容居中对齐
            ws.cell(row=start_merge_row, column=3).alignment = Alignment(vertical='center', horizontal='center')
        current_class = current_val
        start_merge_row = row_num

# 处理最后一组相同值的单元格
ws.merge_cells(start_row=start_merge_row, start_column=3, end_row=ws.max_row, end_column=3)
ws.cell(row=start_merge_row, column=3).alignment = Alignment(vertical='center', horizontal='center')

# 保存Excel文件
wb.save('merged_data_with_class.xlsx')

内容的提问来源于stack exchange，提问作者Thomas Okonkwo