Python中DataFrame按多列分组并拼接指定列字符串的问题

你遇到的问题是直接使用''.join作为聚合函数时，会把空字符串（或NaN）也纳入拼接，导致结果不符合预期。以下是两种可行的解决方法：

方法一：过滤空值后拼接 #

先将DataFrame中的NaN替换为空字符串（如果存在的话），然后在聚合时只拼接非空内容：

import pandas as pd

# 构造示例DataFrame
data = """A,B,C,D
91102,1,john,
91102,2,john,
91102,3,john,
91102,1,,mary
91102,2,,mary
91102,3,,mary
91103,1,sarah,
91103,2,sarah,
91103,3,sarah,
91103,1,,khan
91103,2,,khan
91103,3,,khan"""

df = pd.read_csv(pd.io.common.StringIO(data))
# 将NaN替换为空字符串
df = df.fillna('')

# 分组聚合，只拼接非空内容
df_result = df.groupby(['A', 'B'], as_index=False).agg(lambda x: ''.join(x[x != '']))

方法二：直接提取非空值 #

观察你的数据可知，每个A、B分组中，C和D列各自仅有一个非空值，因此可以直接提取该非空值：

df_result = df.groupby(['A', 'B'], as_index=False).agg(lambda x: x[x != ''].iloc[0])

两种方法都能得到你预期的结果：

A  B      C     D
0  91102  1   john  mary
1  91102  2   john  mary
2  91102  3   john  mary
3  91103  1  sarah  khan
4  91103  2  sarah  khan
5  91103  3  sarah  khan

内容的提问来源于stack exchange，提问作者AB SEA