如何合并Pandas DataFrame中含稀疏值的多行数据？

针对按Name合并多行稀疏数据、用后续非空值替换空值且同列多有效值保留最后一个的需求，有两种简洁的实现方式：

方法一：向后填充+取分组最后一行 #

利用bfill()向后填充空值，再取每组最后一行即可得到目标结果：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'Name': ['A', 'A', 'A'],
    'ParamA': [1.0, np.nan, np.nan],
    'ParamB': [np.nan, np.nan, np.nan],
    'ParamC': [np.nan, 3.0, np.nan],
    'ParamD': [np.nan, np.nan, 6.0]
})

# 分组处理
result = df.groupby('Name').apply(lambda x: x.bfill().iloc[-1]).reset_index(drop=True)

原理：bfill()会将每列的空值用后续行的非空值覆盖，填充后每组的最后一行自然包含所有可用的非空值，且同列存在多个有效值时，最后一个会被保留。

方法二：分组聚合取最后一个非空值 #

直接对每个分组的列进行聚合操作，提取最后一个非空值：

result = df.groupby('Name').agg(
    lambda x: x.dropna().iloc[-1] if not x.dropna().empty else np.nan
).reset_index()

原理：对每个分组的每列，先过滤掉空值，若剩余有效值则取最后一个；若列全为空则保留NaN，精准匹配需求。

两种方法最终输出的结果均符合预期：

内容的提问来源于stack exchange，提问作者gfib