Python 如何集成重复索引？

假设我有一个数据帧ABC，它看起来像：

                   a     b     c    d    e
    2016-06-01     3     6    NAN   4    8
    2016-06-01     3    NAN    5   NAN  NAN
    2016-06-01    NAN   NAN   NAN   4    8
    2017-03-01     1     7     8   NAN  NAN
    2017-03-01    NAN   NAN    8    9    3
    2017-06-01    NAN    3    NAN  NAN   6 
    2017-06-01     8     3     4    7   NAN

索引是datetime，我希望它看起来像：

                   a     b     c    d    e
    2016-06-01     3     6     5    4    8
    2017-03-01     1     7     8    9    3
    2017-06-01     8     3     4    7    6 

我试着这样编写代码：

for i in ABC.index.strftime('%Y-%m-%d'):
    for j in ABC:
        if ABC[i][j].isna().any() and ABC[i][j].notna().any()
           ABC[i][j].fillna(ABC[i][j][ABC[i][j].notna()][0],inplace = True)
print(ABC)

                   a     b     c    d    e
    2016-06-01     3     6     5    4    8
    2016-06-01     3     6     5    4    8
    2016-06-01     3     6     5    4    8
    2017-03-01     1     7     8    9    3
    2017-03-01     1     7     8    9    3
    2017-06-01     8     3     4    7    6 
    2017-06-01     8     3     4    7    6

我想我可以制作这样的数据帧：

for i in ABC.index.strftime('%Y-%m-%d'):
    for j in ABC:
        if ABC[i][j].isna().any() and ABC[i][j].notna().any()
           ABC[i][j].fillna(ABC[i][j][ABC[i][j].notna()][0],inplace = True)
print(ABC)

                   a     b     c    d    e
    2016-06-01     3     6     5    4    8
    2016-06-01     3     6     5    4    8
    2016-06-01     3     6     5    4    8
    2017-03-01     1     7     8    9    3
    2017-03-01     1     7     8    9    3
    2017-06-01     8     3     4    7    6 
    2017-06-01     8     3     4    7    6

然后我就可以使用drop_副本来实现我的目标，但我失败了。 （inplace=True）似乎不起作用，并且我打印出来的内容与原始数据帧完全相同。 我不知道出了什么问题，也不知道如何解决。 有人能告诉我如何解决这个问题，或者有更好的方法来实现我的目标吗？

---

非常感谢

如果数据帧为

浮动

，只需按索引分组并使用

first

，它将获取第一个非NA值

df.groupby(level=0).first()

---

请注意，

NAN

不被视为

NAN

，因此可能是您在其中键入了

对象的列

若要修复，只需将pd.To_numeric

或df.astype（float）-这上面有很多线程。

如果您的数据帧是

floats

，只需按索引分组并使用

first

，它会获取第一个非NA值

df.groupby(level=0).first()

---

请注意，

NAN

不被视为

NAN

，因此可能是您在其中键入了

对象的列

要修复此问题，只需将pd.改为_numeric

或df.astype（float）-这方面的线程太多了。

请发布一个示例数据帧。您的数据帧看起来真的像第一个示例吗？嗨，欢迎来到StackOverflow。这里有一行代码可以让您开始使用：

df.groupby（“date”）.fillna（method=“ffill”）.dropna（how=“any”）.drop_duplicates（）

注意，这并不能保证适用于所有条件，但它确实适用于示例df。假设date列是一个索引，您可以重置

df

的索引，使日期成为一列。然后，您可以对日期执行

groupby

，并执行

ffill（）

。您可以稍后将日期列设置回索引。如果您的数据有时不同，则需要自定义聚合器。请参阅：请发布一个示例数据帧。您的数据帧看起来真的像第一个示例吗？嗨，欢迎来到StackOverflow。这里有一行代码可以让您开始使用：

df.groupby（“date”）.fillna（method=“ffill”）.dropna（how=“any”）.drop_duplicates（）

注意，这并不能保证适用于所有条件，但它确实适用于示例df。假设date列是一个索引，您可以重置

df

的索引，使日期成为一列。然后，您可以对日期执行

groupby

，并执行

ffill（）

。您可以稍后将日期列设置回索引。如果您的数据有时不同，则需要自定义聚合器。见：