如何將行與相同的時間戳結合？

我試圖將具有相同時間戳的數據幀的所有行組合到一行中。該df是如下如何將行與相同的時間戳結合？

   A  B  ... 
timestamp 
    11:00 5  10  ... 
    12:00 15  20  ... 
    ...  ... ...

任何幫助，將不勝感激5K通過20.

   A  B  ... 
timestamp 
    11:00 NaN 10  ... 
    11:00 5  NaN ... 
    12:00 15  20  ... 
    ...  ... ...

組2 11:00行。謝謝。

我已經試過

df.groupby(df.index).sum()

來源

2015-05-28 pmdaly

如果他們同時填滿了A列和B列，該怎麼辦？ – RafaelC

你在問上面的NaN是否是數值？在我的情況中，對於每個唯一的時間戳（上述例子中的2行11），每列只有1個值。我最初通過索引和總和嘗試過一個組，但是這給我留下了所有的NaN。 – pmdaly

發佈你已經試過的代碼 – RafaelC

嘗試使用resample：

>>> df.resample('60Min', how='sum') 
         A B 
2015-05-28 11:00:00 5 10 
2015-05-28 12:00:00 15 20

更多的例子可以在Pandas Documentation找到。

來源

2015-05-28 20:52:53 Alexander

你不能在python中總結一個數字和一個NaN。您可能需要使用.aggregate（）:)

來源

2015-05-28 20:56:35

是的，我一直在搞亂聚合，但我似乎無法弄清楚。 – pmdaly

您可以將melt（'unpivot'）DataFrame將其從寬格式轉換爲長格式，刪除空值，然後通過groupby聚合。

import pandas as pd 

df = pd.DataFrame({'timestamp' : ['11:00','11:00','12:00'], 
       'A' : [None,5,15], 
       'B' : [10,None,20] 
       }) 

    A B timestamp 
0 NaN 10 11:00 
1 5 NaN 11:00 
2 15 20 12:00 

df2 = pd.melt(df, id_vars = 'timestamp') # specify the value_vars if needed 

    timestamp variable value 
0 11:00  A   NaN 
1 11:00  A   5 
2 12:00  A   15 
3 11:00  B   10 
4 11:00  B   NaN 
5 12:00  B   20 

df2.dropna(inplace=True) 
df3 = df2.groupby(['timestamp', 'variable']).sum() 

         value 
timestamp variable  
11:00  A   5 
      B   10 
12:00  A   15 
      B   20 

df3.unstack() 

      value 
variable A B 
timestamp  
11:00  5 10 
12:00  15 20

來源

2015-05-29 01:32:10 selwyth

groupby用0代替NaN值後。

df.fillna(0, inplace=True) 
df.groupby(df.index).sum()

來源

2015-05-29 01:44:02 selwyth

如何將行與相同的時間戳結合？

回答

相關問題