Pandas如何按POS非空行合并拼接跨行拆分的字符串

核心逻辑 #

所有跨行拆分的内容，都归属到它上方最近的POS列非空的基准行，先给每行打所属基准行的分组标记，再按分组把各列字符串向上拼接即可。

操作步骤 #

• 给所有行生成分组标识：对POS列做向前填充（ffill），把基准行的POS值填充到下方所有空POS的跨行记录上，同一分组的记录就是需要合并到同一个基准行的内容。
• 按分组做聚合：POS列取组内第一个有效值，其余文本列跳过空值后，用空格拼接同组内所有非空字符串。
• 清理拼接后字符串首尾、中间的多余空格，得到最终规整表格。

可直接运行的代码 #

import pandas as pd

# df 为读取得到的原始DataFrame
# 1. 生成分组key
df["group_key"] = df["POS"].ffill()

# 2. 定义文本拼接逻辑：自动跳过空值，拼接后去除多余空格
def merge_text(col_series):
    valid_parts = [str(item).strip() for item in col_series if pd.notna(item)]
    return " ".join(valid_parts).strip()

# 3. 按分组聚合，所有文本列调用merge_text，数值类列取组内第一个值
# 原数据共14列，其余列可参照下方格式补充聚合规则
df_clean = df.groupby("group_key", as_index=False).agg(
    POS=("POS", "first"),
    APLICAÇÃO=("APLICAÇÃO", merge_text),
    NOMECLATURA=("NOMECLATURA", merge_text),
    UOM=("UOM", merge_text)
).drop(columns=["group_key"]) # 删除临时分组列

处理效果（基于给出的样例数据） #

POS    APLICAÇÃO                                       NOMECLATURA     UOM
0  340.0  Trens - ERJ145                                  PLATE, INSTRUCTION  Unidade
1  773.0  Trens - ERJ145  PLACARD (O P/N- 2309- 2036-501 NÃO SUBSTITUI O P/N- PNE104003-027)  Unidade
2  795.0  Trens - ERJ145                                               BOLT    Cada
3  771.0  Trens - ERJ145                                          NAMEPLATE    Cada
4  610.0  Trens - ERJ145                                        RSA SCRAPER    Cada
5  425.0  Trens - ERJ145                      UPPER SECONDARY STRUT ASSEMBLY    Cada
6  336.0  Trens - ERJ145                                             SPRING    Cada
7  408.0  Trens - ERJ145                                    BEARING, SEALED    Cada

注意：如果列是数值类型，不要使用文本拼接逻辑，在agg中配置为取组内第一个值即可，避免数值被错误转换为拼接字符串。

内容的提问来源于stack exchange，提问作者Vinicius Kimura