Pandas DataFrame未知列名时合并二值列取行最大值方法

需要实现通用的DataFrame二值列合并逻辑：

• 对每组重复的二值列逐行取最大值，合并为单列
• 不需要预先知晓待合并的列名，可直接嵌入通用循环批量处理多组重复列

相关变量与前置逻辑如下：

• 重复问题映射字典duplicates_binary_questions = { "question" : [114, 155] }：键为合并后统一使用的列名/问题标识，值为该组下所有重复问题的ID列表
• 全量数据存储在主DataFrame data中，问题列的命名规则为问题ID_业务后缀格式
• 已实现列筛选逻辑：通过匹配列名中下划线前的ID前缀，筛出当前组所有重复列构成子数据集sub_data_binary，对应代码：

for key, value in duplicates_binary_questions.items():
    value = [str(x) for x in value]
    sub_data_binary = data[
        data.columns[np.isin([x[: x.find("_")] for x in data.columns], value)]
    ]

直接调用pandas的行维度最大值计算方法即可完成逐行取最大值的逻辑，之前调用该方法报错的核心原因是：没有为生成的结果序列指定统一列名，导致无法顺利合并回主DataFrame。
完整可运行代码如下：

import numpy as np

duplicates_binary_questions = { "question" : [114, 155] }

for key, value in duplicates_binary_questions.items():
    value = [str(x) for x in value]
    # 筛选当前组所有二值列
    sub_data_binary = data[
        data.columns[np.isin([x[: x.find("_")] for x in data.columns], value)]
    ]
    # 逐行取最大值，结果直接以字典键作为列名写入主DataFrame
    data[key] = sub_data_binary.max(axis=1)

注意：如果待合并的二值列存在空值，可先调用sub_data_binary.fillna(0).max(axis=1)做填充处理，避免空值导致结果异常。

内容的提问来源于stack exchange，提问作者Daj