Python pandas按条件分组聚合生成去重拼接列并写入原DataFrame的方法

首先你原代码中存在列名大小写不一致的问题：筛选时写的是col1（小写），实际列名是Col1（首字母大写），这是导致匹配、merge失败的常见原因，修正后可以用以下两种方案实现需求：

方案1：字典映射法（逻辑简单，无需多表合并） #

先分别生成两种规则的映射字典，再按行条件赋值：

# 生成非SF场景的映射表：key为Col2值，value为拼接结果
non_sf_map = df[df['Col1']!='SF'].groupby('Col2')['Col3'].agg(
    lambda x: ','.join(x.astype(str).unique())
).to_dict()

# 生成SF场景的映射表：key为(Col2, Col5)元组，value为拼接结果
sf_map = df[df['Col1']=='SF'].groupby(['Col2','Col5'])['Col3'].agg(
    lambda x: ','.join(x.astype(str))
).to_dict()

# 初始化目标列
df['Col4'] = ''
# 赋值非SF行
df.loc[df['Col1']!='SF', 'Col4'] = df.loc[df['Col1']!='SF', 'Col2'].map(non_sf_map)
# 赋值SF行
df.loc[df['Col1']=='SF', 'Col4'] = df.loc[df['Col1']=='SF', ['Col2','Col5']].apply(tuple, axis=1).map(sf_map)

代码中加了astype(str)是为了兼容Col3为数值类型的场景，如果Col3本身是字符串可以去掉。

方案2：merge合并法 #

如果习惯用merge实现，注意聚合时先重命名目标列，再分条件合并：

# 聚合非SF数据，重命名结果列为Col4
non_sf_agg = df[df['Col1']!='SF'].groupby('Col2', as_index=False).agg(
    Col4=('Col3', lambda x: ','.join(x.astype(str).unique()))
)
# 聚合SF数据，重命名结果列为Col4
sf_agg = df[df['Col1']=='SF'].groupby(['Col2','Col5'], as_index=False).agg(
    Col4=('Col3', lambda x: ','.join(x.astype(str)))
)

# 两次左连接合并到原表
df = df.merge(non_sf_agg, on='Col2', how='left')\
       .merge(sf_agg, on=['Col2','Col5'], how='left', suffixes=('', '_sf'))

# 按条件合并两个Col4结果，删除临时列
df['Col4'] = df['Col4'].where(df['Col1']!='SF', df['Col4_sf'])
df = df.drop(columns=['Col4_sf'])

内容的提问来源于stack exchange，提问作者Frisk19