合并/组合单列中的重复项而不会丢失其他列中的数据

Question

我有一个相当大的 Excel 文件（5000 行），其中包含一些公司信息。许多公司已被多次添加，但它们都缺少一些列。我的目标是合并所有重复的公司，而不会丢失其他列中的任何信息。

例子：

我的搜索结果只显示了如何组合两个不同的数据框以及在没有重叠风险的情况下如何合并单元格。

(https://www.datacamp.com/community/tutorials/joining-dataframes-pandas)

可能最接近的答案在this one。

不过，它确实会将不同的值合并到单个单元格中，而不是将它们拆分为多个不同的单元格。

Answer 1

您可以使用带有 agg 选项的 groupby() 来指定要对每一列执行的操作。这是它的样子：

df = pd.DataFrame({'Company' : ['Apple', 'Google', 'Apple', 'Microsoft'],
                   'Score' : [7, np.nan, 6, 8], 
                   'Employees' : [8888, 55000, np.nan, np.nan],
                   'Description': ['Tasty', np.nan, "Likes trees", "Doesn't like apples"]})

df.groupby('Company').agg({'Score':  max, 'Employees': max, 'Description':list})

---

输出：

           Score  Employees            Description
Company                                           
Apple        7.0     8888.0   [Tasty, Likes trees]
Google       NaN    55000.0                  [nan]
Microsoft    8.0        NaN  [Doesn't like apples]