Pandas合并相同索引行并优先取指定列值的解决方案咨询
最优解决方案
你可以把两步逻辑合并为链式操作,仅用一行核心代码即可实现需求,代码更简洁且执行效率无差异:
import pandas as pd import numpy as np # 构造示例DataFrame df = pd.DataFrame({ 'id':['id3', 'id3', 'id6'], 'Col_A':[11, np.nan, 3], 'Col_B':[np.nan, 5, np.nan] }) # 核心处理代码 output_df = df.assign(Col_Score=df['Col_A'].combine_first(df['Col_B'])) \ .groupby('id', as_index=False)['Col_Score'] \ .first()
执行后output_df的结构和要求的输出完全一致:
| id | Col_Score |
|---|---|
| id3 | 11 |
| id6 | 3 |
内容的提问来源于stack exchange,提问作者Cody Glickman
相关产品推荐
相关产品推荐

