如何使用Pandas基于ColA的值对ColB数据进行归类合并

步骤说明与代码实现 #

首先构造示例DataFrame（模拟你的原始数据）：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'ColA': ['ABC', np.nan, np.nan, 'DEF', np.nan, np.nan, np.nan, 'GHI', 'IJK'],
    'COLB': [np.nan, 'a', 'b', np.nan, 'c', 'd', 'e', np.nan, 'f']
})

1. 填充ColA的缺失值

利用前向填充（ffill），将ColA中连续的空值替换为最近的非空ColA值，让每个COLB条目对应到正确的分组：

df['ColA'] = df['ColA'].ffill()

2. 过滤无效行

去掉COLB为空的行（这些是每个分组开头的原始空行，无有效COLB数据）：

df_filtered = df[df['COLB'].notna()]

3. 分组合并COLB数据

按ColA分组，将每组的COLB值用逗号拼接：

grouped = df_filtered.groupby('ColA')['COLB'].agg(','.join).reset_index()

4. 补充缺失分组并处理空值

对于没有对应COLB数据的ColA（如GHI），补充到结果中并将COLB设为"Empty"：

# 获取所有唯一的ColA分组
all_groups = df['ColA'].unique()
# 重新索引补充分组，填充空值
result = grouped.set_index('ColA').reindex(all_groups).fillna('Empty').reset_index()

执行后输出结果：

ColA     COLB
0  ABC      a,b
1  DEF    c,d,e
2  GHI    Empty
3  IJK        f

简洁版代码 #

可以将上述步骤合并为链式调用：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'ColA': ['ABC', np.nan, np.nan, 'DEF', np.nan, np.nan, np.nan, 'GHI', 'IJK'],
    'COLB': [np.nan, 'a', 'b', np.nan, 'c', 'd', 'e', np.nan, 'f']
})

result = (
    df.assign(ColA=df['ColA'].ffill())
    .query('COLB.notna()')
    .groupby('ColA')['COLB'].agg(','.join)
    .reindex(df['ColA'].ffill().unique())
    .fillna('Empty')
    .reset_index()
)

print(result)

内容的提问来源于stack exchange，提问作者user19596176