如何基于多ID列合并Pandas DataFrame行并填充NaN值？

当然可以实现！这是Pandas处理重复分组数据的常见场景，用分组+聚合的思路就能轻松搞定，具体步骤如下：

1. 构造示例数据 #

先还原你给出的原始DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'id_1': [1, 1, 10, 10, 10],
    'id_2': [2, 2, 20, 20, 2],
    'value1': [100, np.nan, 200, np.nan, 345],
    'value2': [np.nan, 101, np.nan, 202, 345]
})

2. 核心处理代码 #

只需一行代码就能完成分组合并+填充NaN：

# 按id_1和id_2分组，取每个列的第一个非空值（自动互补填充NaN）
result_df = df.groupby(['id_1', 'id_2'], as_index=False).first()

3. 结果验证 #

运行后得到的result_df就是你想要的格式：

如果要添加你示例里的无匹配行（比如a,b,c,d），直接追加到原始DataFrame再运行上述代码即可，无重复分组的行会被完整保留：

# 添加无匹配行
df = pd.concat([df, pd.DataFrame({'id_1': ['a'], 'id_2': ['b'], 'value1': ['c'], 'value2': ['d']})], ignore_index=True)
# 重新执行分组合并
result_df = df.groupby(['id_1', 'id_2'], as_index=False).first()

此时结果就会包含a b c d这一行。

原理说明 #

• groupby(['id_1', 'id_2'])：把所有id_1和id_2完全匹配的行归为同一组；
• as_index=False：确保分组后的id_1和id_2仍然是普通列，不会变成索引；
• first()：对每个分组的每一列，取第一个非NaN的值——因为同一组内的行是互补的（一行有value1无value2，另一行相反），所以刚好能合并成没有NaN的完整行；而无重复分组的行只有自己，自然会完整保留。

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