如何在Pandas中按MainID合并多行SecID为冒号分隔列？

对于这种按主ID合并次级ID的场景，用pandas的groupby+agg组合是最高效的解决方案，它利用pandas的向量化操作，性能远优于循环处理。

代码实现 #

import pandas as pd

# 构造示例数据
data={'MainID':['NHFPL0580','NHFPL0580','NHFPL0582','NHFPL0582'],'SecID':['G12345','G67890','G11223','G34455'], 'Other':['A','A','B','B']}
df=pd.DataFrame(data)

# 分组聚合处理
result_df = df.groupby('MainID').agg(
    SecID=('SecID', ':'.join),
    Other=('Other', 'first')  # 同一MainID下该列值一致，取第一个即可
).reset_index()

print(result_df)

输出结果 #

MainID          SecID Other
0  NHFPL0580  G12345:G67890     A
1  NHFPL0582  G11223:G34455     B

补充说明 #

• agg方法可以同时为不同列指定聚合逻辑，代码清晰直观；
• 对于Other这类同一分组下值完全相同的列，用first()/last()/max()等任意聚合方法都能得到正确结果；
• 如果存在多个类似Other的列，可以通过字典批量配置聚合规则，简化代码：

  # 多列场景的简化写法
  agg_dict = {col: 'first' for col in df.columns if col not in ['MainID', 'SecID']}
  agg_dict['SecID'] = ':'.join
  result_df = df.groupby('MainID').agg(agg_dict).reset_index()
  

内容的提问来源于stack exchange，提问作者Adam