Python pandas使用groupby合并行时如何保留全部原始列？

问题原因 #

你当前代码仅保留两列的核心原因是：groupby操作后你只选择了name_hash列做拼接处理，其余列没有指定聚合规则，因此被自动丢弃。

解决方案 #

场景1：仅按qty_ordered分组，拼接同组的name_hash、保留其余所有列

如果同一个qty_ordered分组内，其余列的取值一致，可以用如下写法，其余列默认取分组内第一个值：

import pandas as pd
data = pd.read_csv('in/tables/sales-order-item.csv')
# 构造聚合规则：name_hash用空格拼接，其余列取分组内第一个值
agg_dict = {col: 'first' for col in data.columns if col != 'name_hash'}
agg_dict['name_hash'] = ' '.join
# 分组聚合，as_index=False避免分组键转为索引，无需额外reset_index
data = data.groupby('qty_ordered', as_index=False).agg(agg_dict)

场景2：按qty_ordered+name_hash双字段合并行

如果你的实际需求是两个字段相同才合并为同一行，调整groupby的分组键即可：

import pandas as pd
data = pd.read_csv('in/tables/sales-order-item.csv')
# 双字段分组，其余列取分组内第一个值
data = data.groupby(['qty_ordered', 'name_hash'], as_index=False).agg('first')

补充说明 #

如果其余列有定制化的聚合需求（比如销售额列求和、时间列取最大值、其余字符串列拼接等），直接修改agg入参的字典即可，示例：

# 示例：order_amount列求和、create_time列取最大值、其余列取第一个
agg_dict = {
    'name_hash': ' '.join,
    'order_amount': 'sum',
    'create_time': 'max',
    **{col: 'first' for col in data.columns if col not in ['name_hash', 'order_amount', 'create_time']}
}
data = data.groupby('qty_ordered', as_index=False).agg(agg_dict)

内容的提问来源于stack exchange，提问作者Daniel Chovanec