如何对DataFrame按多列执行groupby操作获取其他列对应值

你的需求可以通过两步实现，适配数千行的DataFrame性能完全足够：

步骤1：预处理数据 #

先过滤掉name列为空的行，同时对city、zip_code、name三个字段去重，避免同一个分组下出现重复的name值：

import pandas as pd

# 假设你的原始DataFrame名为df
df_clean = df.dropna(subset=['name']).drop_duplicates(subset=['city', 'zip_code', 'name'])

执行完这一步得到的df_clean已经满足「每个city+zip_code组合对应所有唯一name值、每个name单独占一行」的逻辑要求，只是相同的city、zip_code会在每行重复显示。

步骤2：实现分组列合并的展示效果（可选） #

如果你需要达到示例中相同city、zip_code仅在分组第一行显示，其余行留空的展示效果，可以追加以下代码：

df_result = df_clean.copy()
# 将重复的分组列值替换为空字符串
df_result[['city', 'zip_code']] = df_result[['city', 'zip_code']].mask(df_result.duplicated(subset=['city', 'zip_code']), '')

其他场景适配 #

如果你需要每个分组单独占一行，name列存储该分组所有取值的列表，可以直接用分组聚合实现：

df_grouped = df.dropna(subset=['name']).groupby(['city', 'zip_code'], as_index=False)['name'].unique()

内容的提问来源于stack exchange，提问作者jos97