合併行基於索引

Question

我有一個熊貓據幀像這樣，

Timestamp Meter1 Meter2 
0   234 NaN 
1   235 NaN 
2   236 NaN 
0   NaN 100 
1   NaN 101 
2   NaN 102 

，我有麻煩了基於索引時間戳是這樣的合併行，

Timestamp Meter1 Meter2 
0   234 100 
1   235 101 
2   236 102 

Answer 1

使用groupby：

df.groupby(level=0).max() 

OR

df.groupby('Timestamp').max() 

輸出

  Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0 

Answer 2

使用groupby和聚集sum：

df = df.groupby(level=0).sum() 
print (df) 
      Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0 

如果只ints：

df = df.groupby(level=0).sum().astype(int) 
print (df) 
      Meter1 Meter2 
Timestamp     
0    234  100 
1    235  101 
2    236  102 

但也許問題是您在concat忘記axis=1：

print (df1) 
      Meter1 
Timestamp   
0    234 
1    235 
2    236 

print (df2) 
      Meter2 
Timestamp   
0    100 
1    101 
2    102 

print (pd.concat([df1, df2])) 
      Meter1 Meter2 
Timestamp     
0   234.0  NaN 
1   235.0  NaN 
2   236.0  NaN 
0    NaN 100.0 
1    NaN 101.0 
2    NaN 102.0 

print (pd.concat([df1, df2], axis=1)) 
      Meter1 Meter2 
Timestamp     
0    234  100 
1    235  101 
2    236  102 

Answer 3

選項0

df.max(level=0) 

      Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0 

---

選項1

df.sum(level=0) 

      Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0 

---

的Opti 2
令人不安的回答

df.stack().unstack() 

      Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0 

---

正如@jezrael長大並鏈接到發行here

然而，正如我理解groupby.first和groupby.last是，它會返回第一個（或最後一個）組中的每個列的有效值。換句話說，我相信這是按預期工作的。

選項3

df.groupby(level=0).first() 

      Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0 

---

選項4

df.groupby(level=0).last() 

      Meter1 Meter2 
Timestamp     
0   234.0 100.0 
1   235.0 101.0 
2   236.0 102.0