本文详解如何在 pandas 中对 DataFrame 按 org_id 分组，对各列（尤其是含重复/缺失值的字符串列）执行「去重后竖线分隔」聚合，并规避 agg() 的类型警告与报错。
本文详解如何在 pandas 中对 dataframe 按 `org_id` 分组，对各列（尤其是含重复/缺失值的字符串列）执行「去重后竖线分隔」聚合，并规避 `agg()` 的类型警告与报错。
在实际数据清洗与汇总场景中，常需将同一组织（如 org_id）下的多个地址、状态或描述信息合并为单条记录，同时保留所有唯一值——典型需求是用 '|' 连接去重后的字符串。但直接使用 x.unique() 在混合类型或含缺失值（NaN）的列上会触发 FutureWarning，甚至导致 agg() 失败，因其无法对 NaN 或非字符串类型安全调用 .join()。
根本原因在于：pandas.Series.unique() 返回的数组可能包含 numpy.nan（其类型为 float），而 '|'.join() 仅接受字符串序列；若列中存在 NaN 或数值型数据，astype(str) 后会生成 'nan' 字符串，影响语义准确性。因此，稳健做法是先剔除缺失值，再转字符串、去重、拼接。
以下为推荐实现方案：
import pandas as pd
import numpy as np
# 定义安全的去重拼接函数
def join_unique_safe(series):
# 剔除 NaN，转为字符串，去重，连接
cleaned = series.dropna().astype(str).unique()
return '|'.join(cleaned) if len(cleaned) > 0 else ''
# 对所有需聚合的列指定聚合方式
agg_dict = {
'org_name': 'first', # 非重复列：取首值（也可用 'last' 或 'max'）
'category': 'first',
'org_status': 'first',
'created_on': 'first',
'modified_on': 'first',
'location_id': join_unique_safe,
'loc_status': 'first', # 若该列所有值一致，可用 first；否则也应 join_unique_safe
'street_x': join_unique_safe,
'city': 'first', # city 若存在差异，也应改为 join_unique_safe
'country': 'first'
}
# 执行分组聚合
df_grouped = df.groupby('org_id', as_index=False).agg(agg_dict)✅ 关键要点说明：
- ✅ 避免 x.unique().astype(str) 直接调用：它会将 NaN 转为 'nan' 字符串，污染结果（如 'LOC-100052061|nan'）。dropna() 是前置必要步骤。
- ✅ 显式定义 agg 字典：不同列适用不同聚合逻辑（first / join_unique_safe），比全局 lambda 更可控、可读性更强。
- ✅ 空值兜底处理：join_unique_safe 中添加 if len(cleaned) > 0 else ''，防止空 Series 报错。
- ⚠️ 注意列一致性判断：如 loc_status 在示例中全为 'ACTIVE'，用 'first' 合理；但若实际存在 'ACTIVE'|'INACTIVE'，则必须改用 join_unique_safe 以保留全部状态。
此外，若需对所有字符串列统一应用该逻辑，可动态构建 agg_dict：
str_cols = df.select_dtypes(include=['object']).columns.tolist()
agg_dict = {col: ('first' if col not in ['location_id', 'street_x'] else join_unique_safe)
for col in df.columns}
# 或更通用：对所有 str_cols 应用 join_unique_safe，再手动覆盖 'first' 列最终输出将严格匹配预期格式：org_id 为索引单位，location_id 和 street_x 等字段以 '|' 连接去重值，其余字段保持首行原始值，无警告、无错误、语义清晰。
