如何在Pandas中将同一编号对应的两行数据合并为一行？

没问题，我来帮你搞定这个DataFrame的合并需求！根据你的数据结构，我们可以用Pandas的pivot或者groupby方法轻松实现目标格式，下面是具体的步骤和代码：

步骤1：构造示例DataFrame #

首先我们先还原你的原始数据：

import pandas as pd

df = pd.DataFrame({
    'no': [1121, 1121, 3612, 3612],
    'frc': [1, 0, 1, 0],
    'val': ["John", 236, "Mary", 545]
})

方法1：使用pivot快速重塑数据 #

这个方法最简洁，适合这种明确的"分组-对应列"场景：

# 按no分组，将frc的1和0转为列，对应val的值
pivoted_df = df.pivot(index='no', columns='frc', values='val').reset_index(drop=True)

# 格式化为你需要的字符串输出
output = pivoted_df.apply(lambda row: f'"{row[1]}",{row[0]}', axis=1)

# 打印结果（去掉索引）
print(output.to_string(index=False))

运行后会输出：

"John",236
"Mary",545

方法2：使用groupby自定义聚合 #

如果你的数据有更复杂的逻辑，用groupby自定义聚合函数会更灵活：

def combine_rows(group):
    # 提取分组内frc=1的val（姓名）
    name = group[group['frc'] == 1]['val'].iloc[0]
    # 提取分组内frc=0的val（数字）
    num = group[group['frc'] == 0]['val'].iloc[0]
    # 返回指定格式的字符串
    return f'"{name}",{num}'

# 按no分组并应用自定义函数
result = df.groupby('no').apply(combine_rows).reset_index(drop=True)

# 打印结果
print(result.to_string(index=False))

这个方法和上面的输出结果完全一致，适合需要额外处理逻辑的场景。

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