如何基于ID合并Pandas DataFrame行并保留唯一值为列表

针对你的需求，这里给你一套适合新手的实现步骤，代码直接就能跑：

1. 先构造示例数据 #

先把你给的原始数据用Pandas创建出来，方便后续测试：

import pandas as pd
import numpy as np

# 原始数据对应转换为DataFrame
df = pd.DataFrame({
    'id': [1, 1, 2, 3, 3, 4, 4],
    'info1': ["'a'", "'b'", "'c'", "'d'", "'e'", "'f'", "'g'"],
    'info2': ['xxx', 'xxx', 'mmm', 'uuu', 'uuu', 'xy', 'xy'],
    'info3': ['yyy', 'yyy', 'nnn', np.nan, 'ooo', np.nan, np.nan],
    'info4': [np.nan] * 7
})

print("原始数据：")
print(df)

2. 定义核心聚合函数 #

这个函数负责处理每个分组内的列值：去重、过滤缺失值，然后根据唯一值的数量返回单个值或列表：

def agg_unique_values(series):
    # 先去掉缺失值，再提取唯一值
    unique_vals = series.dropna().unique()
    # 根据唯一值数量返回对应结果
    if len(unique_vals) == 0:
        return np.nan  # 没有有效数据就返回缺失值
    elif len(unique_vals) == 1:
        return unique_vals[0]  # 只有一个值就直接返回单个元素
    else:
        return list(unique_vals)  # 多个值就转成列表

3. 分组聚合得到结果 #

按id分组，把刚才的函数应用到所有列上：

# 按id分组，as_index=False让id保持为普通列
result_df = df.groupby('id', as_index=False).agg(agg_unique_values)

print("\n处理后结果：")
print(result_df)

最终效果 #

运行后得到的结果和你期望的完全一致：

• id=1的info1变成["'a'", "'b'"]，info2、info3因为值重复，保留单个xxx、yyy
• id=3的info3原本有缺失和ooo，过滤缺失后只保留ooo
• 所有缺失值的列（比如info4）保持NaN

内容的提问来源于stack exchange，提问作者Yieh Yan