Python 按日期分组行并覆盖NaN值

我有一个以下结构的数据框架，它针对这个问题进行了简化

  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

我这里有一系列的读数，在一天中跨越几个时间戳。B、C、D和E列表示不同的位置。我正在读取的数据被设置为在指定的时间戳从某些位置获取数据，并为其他位置填充nan值

我想做的是按时间戳对数据进行分组，我可以使用.groupby命令轻松地进行分组。从那里，我希望分组数据中的nan值被后面行中的有效值覆盖，从而获得以下结果

  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

如何实现这一点？

使用DataFrameGroupBy.agg尝试df.groupby：

一个简短的版本，感谢MaxU！：

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

使用DataFrameGroupBy.agg尝试df.groupby：

一个简短的版本，感谢MaxU！：

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

你可以先用熊猫试试

你可以先用熊猫试试

---

为什么我们需要np.nansum？df.groupby'A'，as_index=False，sort=False.sum-应该可以做到…@MaxU Brilliant。我不确定sum是否考虑了nans。我还在学习，所以欢迎你的评论：很好的答案。这里链接到熊猫文档：我认为可以先简单使用：为什么我们需要np.nansum？df.groupby'A'，as_index=False，sort=False.sum-应该可以做到…@MaxU Brilliant。我不确定sum是否考虑了nans。我还在学习，所以欢迎你的评论：很好的答案。此处链接到熊猫文档：我认为可以先简单使用：

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