集团行按日期和覆盖NaN值

我有被简化为这个问题的下述结构的数据帧。集团行按日期和覆盖NaN值

A   B C D E 
0 2014/01/01 nan nan 0.2 nan 
1 2014/01/01 0.1 nan nan nan 
2 2014/01/01 nan 0.3 nan 0.7 
3 2014/01/02 nan 0.4 nan nan 
4 2014/01/02 0.5 nan 0.6 0.8

我在这里是一个单独的几个时间戳的读数系列。列B，C，D和E表示不同的位置。我读的数据设置，使得在一个指定的时间戳从某些位置需要的数据和NaN值填补了其他位置。

我希望做的是GROUP BY时间戳的数据，我可以很容易地用.GroupBy()命令去做。从那里，我希望有在分组数据楠值在以后的行这样的，这是得到以下结果采取有效的值覆盖。

A   B C D E 
0 2014/01/01 0.1 0.3 0.2 0.7 
1 2014/01/02 0.5 0.4 0.6 0.8

我该如何去做到这一点？

来源

2017-07-25 cd123

尝试df.groupby与DataFrameGroupBy.agg：（！感谢MaxU）

In [528]: df.groupby('A', as_index=False, sort=False).agg(np.nansum) 
Out[528]: 
      A B C D E 
0 2014/01/01 0.1 0.3 0.2 0.7 
1 2014/01/02 0.5 0.4 0.6 0.8

一个较短的版本DataFrameGroupBy.sum：

In [537]: df.groupby('A', as_index=False, sort=False).sum() 
Out[537]: 
      A B C D E 
0 2014/01/01 0.1 0.3 0.2 0.7 
1 2014/01/02 0.5 0.4 0.6 0.8

来源

2017-07-25 12:09:03

为什么我们需要'np.nansum'？ 'df.groupby（ 'A'，as_index =假排序= FALSE）的.sum（）' - 应该做的伎俩... – MaxU

@MaxU辉煌。不知道sum（）是否考虑到了。我仍然在学习如此欢迎您的意见:) –

优秀的答案。链接到大熊猫文档在这里：https://pandas.pydata.org/pandas-docs/stable/groupby.html#groupby-sorting –

您可以通过使用pandasfirst

df.groupby('A', as_index=False).first() 


      A B C D E 
0 1/1/2014 0.1 0.3 0.2 0.7 
1 1/2/2014 0.5 0.4 0.6 0.8

试试这个

来源

2017-07-25 15:03:21 Wen

尼斯一个...！ +1 –

@cᴏʟᴅsᴘᴇᴇᴅ+1对你也是〜 – Wen

集团行按日期和覆盖NaN值

回答

相关问题