基于Id列合并Pandas DataFrame重复行，填充缺失字段

方法1：提取映射表后左合并 #

先从原数据中分离出Id与Sold、Needed的唯一对应关系，再通过左合并将值同步到所有同Id的行：

import pandas as pd

# 假设你的原始DataFrame变量名为df
# 提取Id到Sold/Needed的映射（只保留有Sold值的行）
sold_needed_map = df.dropna(subset=['Sold']).set_index('Id')[['Sold', 'Needed']]
# 删除原DataFrame中的Sold、Needed列，再与映射表左合并
merged_df = df.drop(columns=['Sold', 'Needed']).merge(sold_needed_map, on='Id', how='left')
# 过滤掉原本无Name、Now等核心信息的行
final_df = merged_df.dropna(subset=['Name'], how='all')

方法2：分组广播填充 #

利用groupby结合transform，将每个Id对应的非NaN的Sold/Needed值自动填充到该Id的所有行，再清理无用行：

# 按Id分组，将每个组内非NaN的Sold值填充到所有行
df['Sold'] = df.groupby('Id')['Sold'].transform(lambda x: x.dropna().iloc[0])
# 同理处理Needed列
df['Needed'] = df.groupby('Id')['Needed'].transform(lambda x: x.dropna().iloc[0])
# 删除Name、Now、Then、There全为NaN的行
final_df = df.dropna(subset=['Name', 'Now', 'Then', 'There'], how='all')

问题原因说明 #

你之前用merge/join未成功，大概率是因为没有先过滤出Id与Sold/Needed的唯一映射关系，直接合并会因重复Id产生无效匹配或残留NaN。上述两种方法都先明确了每个Id对应的目标值，再精准同步到所有对应行，完美适配你有重复Id（对应不同Name）的场景。

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