python - 如何根据列(obj)将pandas中的2行合并为1行

Question

这是我的数据框信息:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 4 columns):
A_mean          6 non-null float64
time_range      6 non-null object
time_range_1    6 non-null object
B               6 non-null object
dtypes: float64(1), object(3)

这是df:

df

index    A_mean    time_range    time_range_1    B
0       5.936667       07       08:00 - 08:59   1001
1       5.103241       08       08:00 - 08:59   1001
2       5.267687       09       09:00 - 09:59   1001

我试图合并这两行:

index    A_mean    time_range    time_range_1    B
0       5.936667       07       08:00 - 08:59   1001
1       5.103241       08       08:00 - 08:59   1001

进入一行，所需的输出应如下所示:

index    A_mean    time_range    time_range_1    B
0       5.519954       08       08:00 - 08:59   1001

** P/S:最重要的列是 A_mean 和 time_range_1，B 列应保持不变。

我尝试过 .groupby，但出现错误:

df2 = df.groupby('time_range_1')['A_mean'].apply(' '.join).reset_index()

TypeError: sequence item 0: expected str instance, numpy.float64 found

任何解决方案都将受到赞赏，但以“pythonic”方式( Pandas )。

Answer 1

您可以使用:

df.groupby(['time_range_1', 'B'], as_index=False).agg({'A_mean': 'mean', 'time_range':'last'})

结果:

    time_range_1     B    A_mean  time_range
0  08:00 - 08:59  1001  5.519954           8
1  09:00 - 09:59  1001  5.267687           9