合并/合并单列中的重复项，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。许多公司被添加了多次，但是它们都缺少一些列。我的目标是合并所有重复的公司，而不会丢失其他任何列中的信息。

示例：

我的搜索结果仅显示了如何合并两个不同的数据框，以及在不存在重叠风险的情况下如何合并单元格。

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

最接近的答案可能在this one中。

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

Answer 1

您可以将groupby()与agg选项一起使用，以指定要对每列进行的操作。这可能是这样的：

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]