使用 pandas 库中的 groupby() 和 agg() 函数将相邻的相似单元格合并。

例如，假设我们有以下数据集：

我们想将具有相同年龄和性别的行合并为一个行，并计算每组的平均年龄。可以使用以下代码实现：

import pandas as pd

创建数据帧

df = pd.DataFrame({ 'Name': ['John', 'Alice', 'Jake', 'Lily'], 'Age': [22, 28, 22, 28], 'Gender': ['M', 'F', 'M', 'F'] })

按年龄和性别分组并计算平均年龄

df = df.groupby(['Age', 'Gender']).agg({'Age': 'mean', 'Name': ', '.join}).reset_index()

显示结果

print(df)

输出

Age Gender Name 0 22 M John, Jake 1 28 F Alice, Lily

在这个示例中，我们通过 groupby() 函数按年龄和性别对数据进行分组，然后使用 agg() 函数计算每个组的平均年龄和连接组中所有名称的字符串。最后，reset_index() 函数用于将分组后的数据帧重新设置索引。