使用Pandas按职位标题分组，将资格拼接为分隔列表

没问题，这事儿用Pandas的分组+自定义聚合就能轻松搞定，我会结合你给的数据集场景（包括多资格职位和无资格职位）一步步演示：

1. 先准备示例数据 #

我补全了你截断的数据集，还加了一个无资格要求的职位案例，方便你测试：

import pandas as pd

data = {
    "JobID": [34455226, 34455226, 34466933, 34466111, 34477888],
    "Job Title": [".Net Developer", ".Net Developer", ".Net Developer", ".Net Developer", "Data Analyst"],
    "Qualification ID": ["ICT50715", "ICT40515", "ICT50715", None, None],
    "Qualification Name": [
        "Diploma of Software Development",
        "Certificate IV in Programming",
        "Diploma of Software Development",
        None,
        None
    ]
}

df = pd.DataFrame(data)

2. 核心分组汇总代码 #

关键是用groupby按职位标题分组，再用自定义聚合函数把资格名称拼接成分隔符分隔的列表，同时处理空值场景：

# 按Job Title分组，将Qualification Name汇总为逗号分隔的列表
result = df.groupby("Job Title")["Qualification Name"].agg(
    lambda x: ", ".join(x.dropna().astype(str)) if not x.dropna().empty else "无资格要求"
).reset_index()

# 查看结果
print(result)

3. 代码逻辑说明 #

• groupby("Job Title")：把数据按职位标题划分成独立的分组
• 自定义聚合函数：
  • 先用x.dropna()过滤掉组内的空值资格记录
  • 如果组内存在有效资格，用", ".join()把它们拼接成字符串；如果没有有效资格，就返回"无资格要求"
• reset_index()：把分组后的索引转为普通列，让结果格式更规整易读

4. 最终输出结果 #

运行代码后会得到如下结果：

Job Title                                  Qualification Name
0    .Net Developer  Diploma of Software Development, Certificate IV in Programming
1      Data Analyst                                      无资格要求

如果需要更换分隔符（比如分号、换行符），只需要把代码中的", ".join改成你需要的分隔符拼接即可~

内容的提问来源于stack exchange，提问作者Ali