Python 为数字列和文本列重新编制索引

我在python中，我有一个数据框，它包含这样的数字列和文本列

subject_id   hour_measure urinecolor blood pressure  
    1          1.00        red             40           
    1          1.15        red           high          
    2          2.00     yellow            low          
    2          3.00     yellow             20   

subject_id  hour_measure urinecolor blood pressure  
    1          1.00        red             40           
    1          2.00     yellow            low            
    1          3.00     yellow             20           
    1          4.00     yellow             20

我想根据hour measure从1到6对数据集重新编制索引，这样对于数字列，但以小时为单位的平均值，对于文本列，使用最频繁的值，最后是这样

subject_id   hour_measure urinecolor blood pressure  
    1          1.00        red             40           
    1          1.15        red           high          
    2          2.00     yellow            low          
    2          3.00     yellow             20   

subject_id  hour_measure urinecolor blood pressure  
    1          1.00        red             40           
    1          2.00     yellow            low            
    1          3.00     yellow             20           
    1          4.00     yellow             20

以下代码可以正确处理数字列，但对于文本列，它将被删除

df2= pd.read_csv('file path')
mux = pd.MultiIndex.from_product([df['subject_id'].unique(), np.arange(1,24)],
                                  names=['subject_id','hour_measure'])
df = df.groupby(['subject_id','hour_measure']).mean().reindex(mux).reset_index()

---

如何更新此代码以重新编制索引而不删除文本列

似乎缺少列

主题id

如何工作解决方案？是的，更新它以包括主题id似乎缺少列

主题id

如何工作解决方案？是的，更新它以包括主题id