如何基于列值合并DataFrame行 按公司名聚合填充年度营收数据

现有3份分别存储2020、2021、2022年度公司营收数据的独立数据集，直接执行拼接操作后得到的DataFrame存在同一家公司分多行存储、各年度营收列大量空值的问题，拼接后原始数据如下：

company_name  2020 Revenue  2021 Revenue  2022 Revenue
0    company_1          10.0           NaN           NaN
1    company_2          20.0           NaN           NaN
2    company_3          30.0           NaN           NaN
3    company_1           NaN          20.0           NaN
4    company_2           NaN          30.0           NaN
5    company_3           NaN          40.0           NaN
6    company_1           NaN           NaN          50.0
7    company_2           NaN           NaN          60.0
8    company_3           NaN           NaN          70.0
9    company_4           NaN           NaN          80.0

需要保留公司名+各年度营收的原有表结构，删除company_name列的重复行，将同一家公司的各年度营收数据归集到同一行，无营收数据的年度填充为0，期望输出结果如下：

company_name  2020 Revenue  2021 Revenue  2022 Revenue
0    company_1            10            20            50
1    company_2            20            30            60
2    company_3            30            40            70
3    company_4             0             0            80

用pandas的分组聚合搭配空值填充即可实现，代码如下：

import pandas as pd

# 按公司名分组，对各营收列聚合取非空值，空值填0后转整数格式
result_df = df.groupby(
    by='company_name', 
    as_index=False
)[['2020 Revenue', '2021 Revenue', '2022 Revenue']].sum()
result_df = result_df.fillna(0).astype(int, errors='ignore')

• 这里用sum做聚合的原因是：拼接后的原始数据里，同一个公司单年度营收列只会存在一个非空数值，其余均为NaN，sum计算时会自动跳过NaN，刚好可以把分散在不同行的同公司同年度营收值提取出来。如果担心存在异常重复值，把sum替换成max也能实现相同效果。
• 最后用fillna(0)把没有营收数据的空值替换为0，再转成整数格式就和预期输出完全一致。

内容的提问来源于stack exchange，提问作者leafsfan34