使用pd.groupby().agg()拼接行时遇到的问题

问题出在两处：

1. 分组逻辑不够明确，且变量名存在笔误（代码中的df1未定义，应为原DataFramedf）；
2. 直接对MAJOR列执行拼接会把np.nan当作字符串混入结果，同时未明确指定各列的聚合规则，导致结果不符合预期。

以下是修正后的完整实现：

1. 核心思路 #

• 按['NAME', 'STATE']分组（满足每个NAME对应唯一STATE的前提）；
• 对MAJOR列先过滤空值，再用逗号拼接非空项；
• 对SCHOOL列直接拼接所有值（若存在空值可参照MAJOR的过滤逻辑）。

2. 完整代码 #

import pandas as pd
import numpy as np

# 构造原始数据
NAME = ['BOB', 'BOB', 'BOB', 'SUE', 'SUE', 'MARY', 'JOHN', 'JOHN', 'MARK', 'MARK', 'MARK', 'MARK']
STATE = ['CA','CA','CA','DC','DC','PA','GA','GA','NY','NY','NY','NY']
MAJOR = ['MARKETING','BUSINESS ADM',np.nan,'ECONOMICS','MATH','PSYCHOLOGY','HISTORY','BUSINESS ADM','MATH', 'MEDICAL SCIENCES',np.nan,np.nan]
SCHOOL = ['UCLA','UCSB','CAL STATE','HARVARD','WISCONSIN','YALE','CHICAGO','MIT','UCSD','UCLA','CAL STATE','COMMUNITY']
data = {'NAME':NAME, 'STATE':STATE,'MAJOR':MAJOR, 'SCHOOL':SCHOOL}
df = pd.DataFrame(data)

# 分组聚合：明确指定每列的处理规则
result = df.groupby(['NAME', 'STATE']).agg(
    MAJOR=('MAJOR', lambda col: ', '.join(col.dropna())),
    SCHOOL=('SCHOOL', lambda col: ', '.join(col))
).reset_index()

print(result)

3. 输出结果 #

执行后得到结构化表格：

关键说明 #

• 使用groupby(['NAME', 'STATE'])确保分组的唯一性，避免因列名筛选遗漏导致的逻辑错误；
• 用col.dropna()过滤MAJOR列的空值，避免无效字符串混入结果；
• agg()的字典式参数可以精准指定每一列的聚合规则，解决原代码仅返回单列的问题；
• reset_index()将分组索引转为普通列，得到符合需求的标准表格格式。

内容的提问来源于stack exchange，提问作者guperator