Pandas groupby聚合非数值数据：按sid分组取cat_type首个非na值

首先处理数据中的空值标识：如果你的cat_type列里的na是字符串，需要先替换为pandas可识别的空值类型：

import pandas as pd
# 替换字符串na为 pandas 原生空值
df['cat_type'] = df['cat_type'].replace('na', pd.NA)

之后直接在agg方法中使用pandas内置的first聚合函数即可，该函数会自动跳过分组内的空值，返回第一个非空的取值：

df_groupby = df.groupby(['sid'], as_index=False).agg(
    score_max = ('score','max'),
    cat_type_first_row = ('cat_type', 'first')
)

如果需要兼容旧版本pandas，或者需要自定义全部分组都为空时的返回值，可以用自定义聚合逻辑：

df_groupby = df.groupby(['sid'], as_index=False).agg(
    score_max = ('score','max'),
    # 逻辑为：先去掉分组内的空值，取第一个值，分组全空则返回空值
    cat_type_first_row = ('cat_type', lambda x: x.dropna().iloc[0] if not x.dropna().empty else pd.NA)
)

执行上述代码后得到的结果和你预期的输出完全一致。

内容的提问来源于stack exchange，提问作者floss