如何按唯一ID分组 合并同ID下各列1值为单行结果

你的需求核心逻辑非常明确：按ID分组后，对V1~V7每一列取最大值。由于所有V列的取值只有0和1，只要某ID对应的列任意一行出现过1，最大值即为1；所有行都是0时最大值为0，完全匹配你需要的聚合效果。

下面给3种常用场景下的实现方式，你可以根据自己熟悉的工具选择：

方法1：Python + Pandas（千行以上数据效率最高，代码最简） #

• 若未安装pandas，先在终端执行安装命令：

  pip install pandas
  

• 将原始数据保存为制表符分隔的文本/CSV文件（命名为raw_data.csv），运行以下代码即可直接输出结果：

  import pandas as pd
  
  # 读取原始数据，若为逗号分隔的CSV则删除sep='\t'参数
  df = pd.read_csv("raw_data.csv", sep="\t")
  # 按ID分组聚合，对所有V列取最大值
  result = df.groupby("ID", as_index=False).agg({f"V{i}":"max" for i in range(1,8)})
  # 保存结果到文件
  result.to_csv("agg_result.csv", sep="\t", index=False)
  

• 运行后生成的agg_result.csv和你给出的期望输出完全一致。

方法2：Excel/WPS 可视化操作（无需写代码） #

• 选中全部原始数据区域，点击「插入」选项卡-「数据透视表」，选择将透视表放在新工作表中
• 在右侧字段配置面板，将ID字段拖入「行」区域，将V1~V7所有字段拖入「值」区域
• 逐个点击值区域内的V1~V7字段，选择「值字段设置」，将汇总方式从默认的「计数」修改为「最大值」，点击确定
• 透视表会自动完成聚合，将结果复制为普通数值、调整列格式即可得到最终输出。

方法3：R语言实现 #

使用dplyr包的分组聚合逻辑即可快速完成，代码如下：

library(dplyr)

# 读取原始数据
raw_df <- read.delim("raw_data.csv", sep="\t")
# 按ID分组对V列取最大值
result_df <- raw_df %>%
  group_by(ID) %>%
  summarise(across(V1:V7, max)) %>%
  ungroup()
# 写出结果
write.table(result_df, "agg_result.csv", sep="\t", row.names = FALSE, quote = FALSE)

内容的提问来源于stack exchange，提问作者Katrix_02