如何按连续索引、小写开头规则合并DataFrame的Animal列多行数据

核心判断逻辑 #

要完成指定的合并，首先要明确分组边界：只有当**当前行同时满足「与上一行的原始索引差值为1」、「当前行Animal值去空格后首字符为小写」**两个条件时，才需要和上一行归为同一组，否则作为新分组的起点。所有同组的Animal值按原顺序拼接后，重新生成连续索引即可。

方案1：累计求和生成分组键（性能最优，适合大数据集） #

这个方案是Pandas做相邻行分组的标准写法，向量化运算的性能远高于逐行循环，数据量上万时优势非常明显。

具体实现代码 #

1. 构造与示例一致的输入DataFrame：

import pandas as pd

df = pd.DataFrame(
    {"Animal": ["Bulldog", "hatcet ", "Parrot ", "Carrot ", "Jack Dog", "Kanggaroo", "helma  "]},
    index=[0, 1, 3, 7, 8, 9, 10]
)

2. 保留原始索引为独立列，避免默认连续索引干扰连续性判断：

# 将原无规则的索引转为普通列，不改变原有行顺序
df = df.reset_index(names="orig_idx")

3. 逐行计算是否需要与上一行合并：

# 判断1：当前行原始索引比上一行大1，即索引连续
is_index_continuous = df["orig_idx"].diff().eq(1)
# 判断2：当前行Animal值去首尾空格后，首字符为小写
is_lower_start = df["Animal"].str.strip().str[0].str.islower()
# 两个条件同时满足时，当前行需要合并到上一行
need_merge = is_index_continuous & is_lower_start

4. 生成分组ID、聚合得到最终结果：

# 不需要合并的行即为新分组起点，对新起点标记累计求和得到固定分组号
group_id = (~need_merge).cumsum()

# 按分组拼接字符串，重置为连续无缺失的索引
result = (
    df.groupby(group_id, as_index=False)
    .agg(Animal=("Animal", lambda s: " ".join(s)))
    .drop(columns="orig_idx")
)

运行后输出的结果与示例期望效果完全一致。

方案2：逐行循环处理（逻辑直观，适合复杂自定义规则） #

如果后续需要调整的合并规则比较复杂，逐行遍历的方式更方便调试和自定义，数据量在千行级的时候性能完全够用。

具体实现代码 #

承接上面步骤2中已将原始索引转为orig_idx列的DataFrame：

result_list = []
# 以第一行作为初始待合并基准
current_animal = df.loc[0, "Animal"]
current_orig_idx = df.loc[0, "orig_idx"]

# 从第二行开始逐行判断
for _, row in df.iloc[1:].iterrows():
    # 同时满足两个合并条件时，拼接到当前基准行
    if (row["orig_idx"] == current_orig_idx + 1) and row["Animal"].strip()[0].islower():
        current_animal = f"{current_animal} {row['Animal']}"
        current_orig_idx = row["orig_idx"]
    else:
        # 不满足合并条件时，将当前基准行存入结果，切换为新的基准行
        result_list.append(current_animal)
        current_animal = row["Animal"]
        current_orig_idx = row["orig_idx"]
# 存入最后一行基准内容
result_list.append(current_animal)

# 生成最终DataFrame
result_loop = pd.DataFrame({"Animal": result_list})

常见避坑点 #

• 不要用Pandas默认生成的连续索引判断相邻性：必须把原始的不规则索引提取为独立列计算差值，否则会把本不连续的行误判为相邻。
• 判断小写开头前必须先去除字符串首尾空格：示例输入中的hatcet、helma都带前后空格，直接取首字符会因为取到空格导致判断失效。
• 拼接字符串时不要随意修改原内容：聚合时直接用原始字符串拼接，不要提前strip去掉原有的空格，否则会和示例输出的格式有差异。

内容的提问来源于stack exchange，提问作者user14529296