Python Pandas 按条件合并行、保留col_a唯一值的实现问询

方案1：groupby聚合（仅需保留col_a、col_b时使用） #

利用字符串比较"Yes" > "No"为True的特性，分组后直接对col_b取最大值即可完全匹配规则，一行代码实现且无额外临时列：

import pandas as pd
# df为你的原始DataFrame
res = df.groupby('col_a', as_index=False)['col_b'].max()

方案2：排序+去重（需要保留原表其他列时使用） #

如果你的表除了col_a、col_b外还有其他字段需要保留，可以先排序让每个col_a分组下的Yes排在最前，再按col_a去重保留第一条即可：

# 按col_a升序、col_b降序排序，保证Yes行在每个分组的最前
res = df.sort_values(by=['col_a', 'col_b'], ascending=[True, False]).drop_duplicates('col_a', keep='first')

两种方案都不需要创建额外的临时计算列，运行效率也远高于逐行判断的实现。

内容的提问来源于stack exchange，提问作者finethen