Pandas如何实现单行多值赋值，合并重复用户列仅展示差异化内容

完整代码 #

import pandas as pd

# 构造示例数据，可替换为你自己的DataFrame
data = {
    'USER_ID': [1, 1],
    'USER_NAME': ['Ahmad Anis', 'Ahmad Anis'],
    'USER_REPUTATION': [123, 123],
    'NUMBER_OF_ANSWERS': [2, 2],
    'NUMBER_OF_QUESTIONS': [3, 3],
    'BADGE_NAME': ['Topper', 'programmer'],
    'BADGE_CAT': ['HTML', 'Random']
}
df = pd.DataFrame(data)

# 定义需要批量隐藏重复值的列
cols_to_process = ['USER_ID', 'USER_NAME', 'USER_REPUTATION', 'NUMBER_OF_ANSWERS', 'NUMBER_OF_QUESTIONS']

# 核心逻辑：同组内非首行的指定列替换为空字符串
df[cols_to_process] = df[cols_to_process].mask(
    df.groupby(cols_to_process).cumcount() > 0,
    ''
)

# 输出markdown格式表格验证结果
print(df.to_markdown())

逻辑说明 #

• groupby(cols_to_process)会把所有指定列值完全一致的行归为同一组
• cumcount()会给每组内的行按顺序生成从0开始的编号
• mask()方法会将满足条件（编号>0，即组内非首行）的单元格替换为空字符串，实现重复内容隐藏的效果
• 如果业务上只需要按USER_ID维度去重，将groupby(cols_to_process)改为groupby('USER_ID')即可

内容的提问来源于stack exchange，提问作者Ahmad Anis