如何合并DataFrame透视后的同索引行，整合对应列数据？

方法一：优化初始pivot操作（推荐） #

你当前的pivot后出现拆分行，是因为多余操作导致格式混乱。直接用以下代码可一步生成目标格式：

# 执行pivot并直接重命名列
dataframe = dataframe.pivot(index=['time', 'id'], columns='type', values='value')
dataframe.columns = [f"{col}_type" for col in dataframe.columns]
# 重置索引，让time和id回到列中
dataframe = dataframe.reset_index()

这段代码会自动将同一time和id下的A、B类型值合并到同一行，无需后续处理NaN。

方法二：处理已生成的含NaN的DataFrame #

如果已经得到每行仅一个类型有值的DataFrame，可通过按time和id分组聚合合并行：

# 按time和id分组，取每组的第一个非NaN值
dataframe = dataframe.groupby(['time', 'id']).first().reset_index()

也可以用max()/min()聚合（NaN不参与计算，自动保留有效数值）：

dataframe = dataframe.groupby(['time', 'id']).max().reset_index()

两种方法最终都会得到你需要的格式：

time id A_type B_type
9:04 1  23     12
9:10 2  81     17
9:12 3  11     2
9:14 4  88     17

内容的提问来源于stack exchange，提问作者Cauder