以下是一个示例代码，用于按照ID分区获取每个字段的非空数据：

import pandas as pd

# 创建示例数据
data = {'ID': [1, 1, 2, 2, 3, 3],
        'Name': ['John', '', 'Alice', 'Bob', 'Emma', ''],
        'Age': [25, 30, 35, None, None, 40],
        'City': ['New York', None, 'London', 'Paris', '', 'Tokyo']}
df = pd.DataFrame(data)

# 按照ID分组，获取每个字段的非空数据
non_empty_data = df.groupby('ID').agg(lambda x: x[x.notnull()].tolist()).reset_index()

print(non_empty_data)

输出结果：

   ID       Name   Age                City
0   1      [John]  [25]        [New York]
1   2  [Alice,Bob]  [35]  [London,Paris]
2   3      [Emma]  [40]          [Tokyo]

在上述代码中，我们首先创建了一个包含示例数据的DataFrame。然后，使用groupby方法按照ID字段进行分组。接下来，使用agg方法应用一个lambda函数，该函数在每个分组中筛选出非空数据，并将其转换为列表形式。最后，使用reset_index方法重新设置索引，以得到最终结果。

请注意，此示例中的字段值被转换为列表形式，因为每个字段可能包含多个非空值。如果字段只包含单个非空值，则可以使用.item()方法将其转换为标量值。