如何在Pandas DataFrame中高效聚合One-Hot编码多行数据为单行？

你的需求核心是按p列分组，将每个分组内的One-Hot编码列（c1/c2/c3）合并，只要该分组内某列出现过1，结果就保留1，本质是提取分组内各列的“存在性标记”。这里有两种高效的实现方式：

方法一：使用groupby().max() #

因为你的One-Hot列只有0和1，取分组内的最大值就能直接得到“是否出现过1”的结果，代码非常简洁：

import pandas as pd

# 构造你的示例数据
df = pd.DataFrame({
    'p': ['A', 'B', 'A', 'A', 'B'],
    'c1': [1, 1, 0, 0, 0],
    'c2': [0, 0, 1, 0, 0],
    'c3': [0, 0, 0, 1, 1]
})

# 按p分组，取各列最大值，然后重置索引恢复p列为普通列
result = df.groupby('p').max().reset_index()
print(result)

运行后会得到你想要的输出：

p  c1  c2  c3
0  A   1   1   1
1  B   1   0   1

方法二：使用groupby().any().astype(int) #

另一种思路是判断分组内某列是否存在非零值（即1），any()会返回布尔值（True/False），再转成整数就是1/0，效果完全一致：

result = df.groupby('p').any().astype(int).reset_index()

为什么这两种方法高效？ #

这两种都是pandas内置的向量化聚合操作，避免了循环遍历行的低效方式，即使处理十万甚至百万级别的数据，也能保持很好的性能。

内容的提问来源于stack exchange，提问作者Khaned