Pandas实现按ID列分组并保留分组内存在'Yes'的字段值

原始数据 #

构造测试DataFrame的代码如下：

import pandas as pd
data = [['123', 'Yes', 'No', 'No'], ['123', 'No', 'Yes', 'No'],['1234', 'No', 'Yes', 'No']]
df = pd.DataFrame(data, columns=['ID', 'Object_1', 'Object_2', 'Object_3'])

原始数据预览：

需求说明 #

按ID列分组聚合，同一ID分组下的Object_1/Object_2/Object_3列，只要组内任意一行存在Yes值，聚合后该字段就保留Yes，全为No则保留No。
期望输出结果：

实现代码 #

直接用groupby配合自定义聚合函数即可，写法简洁不需要硬编码列名，后续新增Object列也能自动适配：

result = df.groupby('ID', as_index=False).agg(
    lambda col: 'Yes' if 'Yes' in col.values else 'No'
)

运行后result就是符合要求的聚合结果。
如果数据量较大追求性能，可以先把Yes/No映射为布尔值，分组取最大值后再映射回文本，逻辑等价运行速度更快：

# 布尔映射：Yes为True，No为False，分组取max等价于判断是否存在True（即Yes）
result = (df
          .set_index('ID')
          .replace({'Yes': True, 'No': False})
          .groupby(level=0)
          .max()
          .replace({True: 'Yes', False: 'No'})
          .reset_index()
)

内容的提问来源于stack exchange，提问作者SMar3552