如何用Pandas实现1:n关系表的Left Join并保持左表行数

我完全懂你的需求——你希望在处理1:n关系的两张表左连接时，不把关联的多行数据展开成单独行，而是把同一主键对应的重复值用分号;拼接成单个字符串，最终结果的行数和左表（国家表）保持一致。

常规的merge操作确实会把每个关联的城市拆成独立行，要实现你想要的效果，我们可以先对右表（城市表）做分组聚合，再和左表做连接，具体步骤如下：

步骤1：准备示例数据（可直接替换为你的实际数据） #

先还原你的示例表结构：

import pandas as pd

# 国家表（左表）
country = pd.DataFrame({
    'CountryID': [1, 2],
    'Country': ['UK', 'Russia'],
    'Area': [1029, 8374]
})

# 城市表（右表，与国家表是1:n关系）
city = pd.DataFrame({
    'CountryID': [1, 1, 2, 2],
    'City': ['London', 'Manchester', 'Moscow', 'Ufa']
})

步骤2：聚合城市表，合并同一国家的城市 #

对城市表按CountryID分组，将每个分组内的City字段用分号拼接成单个字符串：

# 分组聚合，合并城市名称
city_aggregated = city.groupby('CountryID')['City'].agg(';'.join).reset_index()
# 重命名列名，避免后续合并时混淆
city_aggregated.rename(columns={'City': 'Cities'}, inplace=True)

这一步执行后，city_aggregated的结构会变成：

CountryID            Cities
0          1  London;Manchester
1          2        Moscow;Ufa

步骤3：与国家表执行左连接 #

现在用处理后的城市表和国家表做左连接，就能得到你期望的结果：

# 左连接，确保结果行数与国家表一致
final_result = country.merge(city_aggregated, how='left', on='CountryID')

最终输出的final_result就是你想要的格式：

CountryID Country  Area            Cities
0          1      UK  1029  London;Manchester
1          2   Russia  8374        Moscow;Ufa

额外优化：处理空值场景 #

如果存在部分国家没有对应城市的情况，Cities列会出现NaN，你可以用fillna把空值替换为空字符串：

final_result['Cities'] = final_result['Cities'].fillna('')

内容的提问来源于stack exchange，提问作者Sabih