Pandas按主机名分组 将多行列日期数据合并为单行结果

原始数据 #

import pandas as pd
df = pd.DataFrame([
        ['server1', 'NA', 'NA', '2011-03-31'],
        ['server1', '2011-02-22', 'NA', 'NA'],
        ['server1', 'NA', '2011-06-22', 'NA'],
        ['server2', 'NA', 'NA', '2011-12-31'],
        ['server2', 'NA', '2011-02-21', 'NA'],
        ['server3', 'NA', 'NA', '2011-08-29'],
    ], columns=['hostname', 'patch_date1', 'patch_date2', 'patch_date3'])

解决方案 #

原始数据中的'NA'是字符串类型，需要先转换为Pandas可识别的缺失值，再通过分组聚合提取每个主机的有效补丁日期：

1. 替换字符串'NA'为Pandas缺失值：

df = df.replace('NA', pd.NA)

2. 按hostname分组，对每个日期列提取非缺失值（每个主机的单日期列仅存在一个有效数据，first()/max()/min()均可实现）：

result_df = df.groupby('hostname', as_index=False).first()

3. 将缺失值转回字符串'NA'，匹配目标格式：

result_df = result_df.fillna('NA')

4. 格式化输出对齐结果：

for _, row in result_df.iterrows():
    print(f"{row['hostname']} | {row['patch_date1'].ljust(9)} | {row['patch_date2'].ljust(9)} | {row['patch_date3']}")

最终输出 #

server1 | 2011-02-22 | 2011-06-22 | 2011-03-31
server2 | NA         | 2011-02-21 | 2011-12-31
server3 | NA         | NA         | 2011-08-29

内容的提问来源于stack exchange，提问作者Bandhala Raja Selvam