Python 如何基于列（obj）将熊猫中的2行合并为1行

以下是我的数据帧信息：

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 4 columns):
A_mean          6 non-null float64
time_range      6 non-null object
time_range_1    6 non-null object
B               6 non-null object
dtypes: float64(1), object(3)

我试图将这两行合并：

index    A_mean    time_range    time_range_1    B
0       5.936667       07       08:00 - 08:59   1001
1       5.103241       08       08:00 - 08:59   1001

在一行中，所需的输出应如下所示：

index    A_mean    time_range    time_range_1    B
0       5.519954       08       08:00 - 08:59   1001

**p/S：最重要的列将是

A_mean

和

time_range_1

，B列应保持不变

我尝试了

.groupby

，但出现了错误：

df2 = df.groupby('time_range_1')['A_mean'].apply(' '.join).reset_index()

TypeError: sequence item 0: expected str instance, numpy.float64 found

任何解决方案都将受到欢迎，但采用“pythonic”方式（熊猫）。

您可以使用：

df.groupby(['time_range_1', 'B'], as_index=False).agg({'A_mean': 'mean', 'time_range':'last'})

结果:

    time_range_1     B    A_mean  time_range
0  08:00 - 08:59  1001  5.519954           8
1  09:00 - 09:59  1001  5.267687           9

---

请尝试另一种方法解决问题，但不要使用1代码：

df2= df.groupby(df.time_range_1).mean().reset_index()
df2['B'] = '1001'

Output:
index    time_range_1    A_mean      B
0       08:00 - 08:59   5.519954    1001
1       09:00 - 09:59   5.267687    1001

---

谢谢@lilisten的快速回复！哦，是的，可以用。阿格！你救了我一天！：）

df2= df.groupby(df.time_range_1).mean().reset_index()
df2['B'] = '1001'

Output:
index    time_range_1    A_mean      B
0       08:00 - 08:59   5.519954    1001
1       09:00 - 09:59   5.267687    1001