Python 3.x 如何在转置数据帧后合并具有相同标签的所有列？

我有一个df，在“转置”df后看起来像这样：

                     1     2                     3            4           5  \
level_1     questionId  type                 value  exportLabel  questionId   
0        participantId    id  -Ll4truw3KbSjVRtXmJy       Viewed    viewTime   

            6                         7            8  
level_1  type                     value  exportLabel  
0        time  2019-07-31T02:41:34.063Z      Started  

如果名称匹配，如何合并值

level_1

索引行，并将其放入列中

新的df应如下所示：

    questionId       type          value            exportLabel
  0  participantId    id    -Ll4truw3KbSjVRtXmJy         Viewed    
  1  viewTime         time  2019-07-31T02:41:34.063Z    Started

我尝试了

groupby

，但数据被转换回序列，索引成为列，代码如下：

df = df.groupby(df.loc['level_1'])

---

---

---

如果您可以发布代码以重新创建该数据帧（因为它是一个多索引），这将非常有用@anky_91您是否要求非常原始的数据帧？不，发布多索引数据帧示例时，建议发布代码以重新生成该数据帧，而不是复制数据

df (your data).. Generated using below

temp = StringIO("""  
                     1     2                     3            4           5   6          7            8  
level_1     questionId  type                 value  exportLabel  questionId  type      value  exportLabel   
0        participantId    id  -Ll4truw3KbSjVRtXmJy       Viewed    viewTime   time  2019-07-31T02:41:34.063Z      Started  

""")

df = pd.read_csv(temp, sep='\s+')
##df


                     1     2                     3            4           5  \
level_1     questionId  type                 value  exportLabel  questionId   
0        participantId    id  -Ll4truw3KbSjVRtXmJy       Viewed    viewTime   

            6                         7            8  
level_1  type                     value  exportLabel  
0        time  2019-07-31T02:41:34.063Z      Started  

df = df.T.groupby('level_1')['0'].apply(lambda x: pd.Series(list(x))).unstack().T
del df.columns.name
print(df[['questionId','type','value','exportLabel']])

      questionId  type                     value exportLabel
0  participantId    id      -Ll4truw3KbSjVRtXmJy      Viewed
1       viewTime  time  2019-07-31T02:41:34.063Z     Started