这个不能直接由 drop_duplicates() ，那就写代码自己实现吧，因为是根据uid去重，我的思路是对uid进行循环，把uid相同的聚在一起，在if条件中选择保存的行并把name整合起来，建个新表保存去重后的行，

ndf=pd.DataFrame(columns=df.columns) #根据df的列名建一个空表ndf
uids=set(df['uid'])
for u in uids:
    one=df.loc[df['uid']==u] #获取所有uid等于u的行，之后只会保存一行
    #在这里写if然后只保留一行，然后concat到ndf上，实现只保留一行
    olst=list(one['name']) #或者用set
    zero=one.iloc[[0]] #iloc[行号]是series iloc[[行号]]是dataframe
    #zero['name']=str(olst)
    if len(olst)>1: #等于1的就不用改了
        zero['name']=str(olst) #or =''.join(olst)
    ndf=pd.concat([ndf,zero]) #把选出来的zero加到ndf里
我是用了一个for循环去遍历的，如果有更优雅的实现欢迎指教呀。

更深入一些，如果没有某一列可以作为主键呢？存在一个表，除name之外，其他的列都相同算重复行，这些列有文本有数值型，但是不能拿其中任何列作主键，实现上面的去重合并name，怎么办？一个个比对是O(n^2)，我目前的思路时用除name之外的列合并形成一个字符串型的新列，拿这列做主键，用上面的代码片段。合并之后再删掉之前建的新列保持数据的格式。
关于python中的drop_duplicates(subset=None, keep='first', inplace=False)，一些基础的去重需求直接用这个函数就好，它有三个参数：

subset指定根据哪些列去重，默认是根据所有列，也就是当两行的所有列都一样时满足去重条件；