如何在Pandas中仅对指定索引范围的行执行Groupby合并？

假设你的示例DataFrame如下（模拟索引2~3存在重复行的情况）：

import pandas as pd

df = pd.DataFrame({
    'column1': ['A', 'B', 'C', 'C', 'D'],
    'column2': ['x', 'y', 'm', 'n', 'z']
}, index=[0, 1, 2, 2, 3])

可以通过拆分-处理-合并的步骤实现需求：

1. 拆分DataFrame，分离出需要处理的索引范围（2~3）和其余行

# 筛选索引属于2、3的行作为待处理部分，剩下的保留原样
mask = df.index.isin([2, 3])
df_original = df[~mask].copy()
df_target = df[mask].copy()

2. 对待处理部分按索引分组，合并column2为字符串
   如果同一索引下其他列（如column1）值一致，直接聚合即可：

# 按索引分组，合并column2为字符串，保留其他列的首个值
df_processed = df_target.groupby(df_target.index).agg({
    'column1': 'first',  # 若同一索引下column1值相同，用first/last均可
    'column2': ' '.join  # 按空格合并，可替换为其他分隔符如','
}).reset_index()

如果同一索引下其他列存在不同值，可根据需求调整聚合方式（比如用','.join合并，或取众数等）。

3. 合并两部分数据，恢复原索引顺序

# 合并后按索引排序，重置索引为原索引
final_df = pd.concat([df_original, df_processed]).sort_values(by='index').set_index('index')

执行后，final_df的结果为：

column1 column2
index
0            A       x
1            B       y
2            C     m n
3            D       z

内容的提问来源于stack exchange，提问作者now