Python pandas按指定列相同值合并对应行URL列的实现方法

原始数据：

预期结果：

需求说明 #

在Python、Jupyter Notebook环境下处理pandas DataFrame数据，需要实现逻辑：当Full Path（完整路径）列存在重复值时，将对应行的urls列内容合并到同一行。

错误尝试 #

曾尝试使用groupby方法实现，但未得到预期结果，所用代码如下：

df.groupby("Full Path").apply(lambda x: ", ".join(x)).reset_index()

运行上述代码输出结果不符合预期，错误结果示例：

错误原因与正确写法 #

原代码逻辑错误点：groupby后传入apply的x是每个分组对应的完整子DataFrame，直接对x做字符串拼接会把所有列的内容都拼接到一起，并非仅处理urls列，因此结果不符合要求。

仅保留Full Path和合并后的urls列 #

如果不需要保留其他列，可以直接指定分组后处理的列，写法最简洁：

df = df.groupby("Full Path", as_index=False)["urls"].agg(
    lambda x: ", ".join(x.dropna().astype(str))
)

保留原表所有列 #

如果同一路径下除urls外的其他列取值完全一致，分组时其他列取分组内第一个值、仅对urls列做拼接即可，代码如下：

df = df.groupby("Full Path", as_index=False).agg(
    # 非urls列取分组内第一个值，urls列做逗号拼接
    {col: "first" for col in df.columns if col != "urls"} | 
    {"urls": lambda x: ", ".join(x.dropna().astype(str))}
)

提示：代码中dropna()用于跳过urls列的空值，astype(str)用于统一列类型为字符串，避免拼接时报类型错误，可根据自身数据情况调整。

内容的提问来源于stack exchange，提问作者uiu808