Pandas：将game列含NaN行的platform值合并至上一非空游戏对应单元格

你需要的功能完全不需要手动维护全局缓存状态，用pandas原生的向下填充+分组聚合两步就能实现，效率和稳定性都比逐行遍历的写法好。

核心实现代码 #

先构造匹配你场景的测试数据，再执行处理：

import pandas as pd
import numpy as np

# 构造示例原始数据
raw_df = pd.DataFrame({
    'game': ['a', np.nan, np.nan, 'b', 'c', np.nan],
    'platform': ['nintendo', 'ps4', 'xbox', 'ps4', 'ps4', 'xbox']
})

# 处理逻辑
# 1. 向下填充game列空值，让每个空值行自动匹配上方最近的非空game值
raw_df['game'] = raw_df['game'].ffill()
# 2. 按game分组，把同组platform拼接为逗号分隔字符串
processed_df = raw_df.groupby('game', as_index=False)['platform'].agg(
    lambda x: ', '.join(pd.unique(x))  # 加pd.unique可自动去除重复平台值
)

运行后processed_df的输出完全匹配你期望的表格效果。

你原代码存在的问题 #

• 列名不匹配：代码中引用的row['Name']、row['Platforms']和实际DataFrame的列名game、platform不一致，运行会直接触发KeyError
• 分支逻辑反向：原代码写elif not cache，即只有缓存为空时才执行平台追加操作，和预期的“缓存有收集到的空行平台时，才追加到对应游戏条目”的逻辑完全相反
• 状态遗漏：逐行处理完所有数据后，没有触发最后一次缓存内容的追加逻辑，会漏掉最后一行空值对应的平台值
• 鲁棒性差：手动判断类型加math.isnan的空值检测，遇到None、pandas内置NA值时会判断失效；用set存储收集到的平台值是无序的，最后拼接出来的字符串顺序和原始数据顺序不一致；全局存储的last_non_nan初始固定为0，在DataFrame经过筛选、索引不连续的场景下会出现定位错误
• 效率偏低：逐行apply配合原地修改原表的写法，远慢于pandas原生的向量化填充、分组聚合操作，数据量增大时性能差距非常明显

内容的提问来源于stack exchange，提问作者minzi