如何合并pandas DataFrame中filename重复行并扩展新列存储坐标值

核心思路 #

按filename列分组处理，每组内按行序号重命名坐标列后缀，合并后每个filename仅保留一行，无需手动遍历比对上下行，支持单filename对应任意数量的重复行。

完整可运行代码 #

首先是示例数据构造（你可以替换为自己的pd.read_xxx读取代码）：

import pandas as pd

# 示例数据
data = {
    'filename': ['X', 'X', 'Y'],
    'width': [100, 100, 200],
    'height': [200, 200, 300],
    'class': [0, 1, 0],
    'xmin0': [10, 20, 15],
    'ymin0': [20, 30, 25],
    'xmax0': [50, 60, 55],
    'ymax0': [60, 70, 65]
}
df = pd.DataFrame(data)

核心处理逻辑：

# 配置项：固定保留列、坐标列、缺失值填充内容
fixed_cols = ['filename', 'width', 'height', 'class']
coord_cols = ['xmin0', 'ymin0', 'xmax0', 'ymax0']
fill_value = 'X'

result_buffer = []
# 按filename分组，保留原始顺序
for file_name, group_df in df.groupby('filename', sort=False):
    # 取当前filename的基础属性（第一行的固定列）
    row_data = group_df[fixed_cols].iloc[0].to_dict()
    # 遍历分组内所有行，重命名坐标列
    for seq, (_, row) in enumerate(group_df.iterrows()):
        # 把坐标列的0后缀替换为当前序号
        renamed_coords = {col.replace('0', str(seq)): row[col] for col in coord_cols}
        row_data.update(renamed_coords)
    result_buffer.append(row_data)

# 转换为DataFrame，填充缺失值
result_df = pd.DataFrame(result_buffer).fillna(fill_value)

注：如果同一个filename的width、height、class属性需要取最后一行的值，把group_df[fixed_cols].iloc[0]改为group_df[fixed_cols].iloc[-1]即可。

适配df.insert的补充说明 #

如果需要严格用df.insert实现列插入，可在生成result_buffer后，按列顺序调用insert方法插入即可，上述逻辑已经完成了坐标列的重命名和数值匹配，不需要调整核心逻辑。

内容的提问来源于stack exchange，提问作者ali.salmasiii