Python中合并DataFrame连续行的高效实现方法

下面提供两种简洁高效的实现方式，适配你这种连续两行对应一组入场/出场记录的DataFrame结构：

方法一：拆分入场/出场子表后合并 #

逻辑直观易懂，适合明确两行一组的场景：

步骤代码 #

import pandas as pd

# 构造示例数据（替换为你的实际DataFrame即可）
data = {
    'cross entry': [6.49223, None, 3.03064, None],
    'cross exit': [None, 6.63997, None, 2.99758],
    'Rate': [6.6130, 6.4920, 3.1830, 2.8000]
}
dates = pd.to_datetime(['2000-04-27', '2000-06-06', '2001-11-26', '2001-12-04'])
df = pd.DataFrame(data, index=dates)

# 1. 提取入场记录行（cross entry不为空），重置索引并重命名字段
entry_df = df[df['cross entry'].notna()].reset_index().rename(
    columns={'Dates': 'Entry Dates', 'Rate': 'Entry Rate'}
)

# 2. 提取出场记录行（cross exit不为空），重置索引并重命名字段
exit_df = df[df['cross exit'].notna()].reset_index().rename(
    columns={'Dates': 'Exit Date', 'Rate': 'Exit Rate'}
)

# 3. 按行索引合并子表，调整列顺序并设置最终索引
merged_df = pd.concat([entry_df, exit_df[['Exit Date', 'cross exit', 'Exit Rate']]], axis=1)
merged_df = merged_df.set_index('Entry Dates')[['Exit Date', 'cross entry', 'cross exit', 'Entry Rate', 'Exit Rate']]

结果示例 #

执行后merged_df将输出你需要的格式：

Exit Date  cross entry  cross exit  Entry Rate  Exit Rate
Entry Dates                                                          
2000-04-27 2000-06-06      6.49223     6.63997       6.613       6.492
2001-11-26 2001-12-04      3.03064     2.99758       3.183       2.800

方法二：分组聚合实现 #

数据量较大时，分组聚合的方式执行效率更高：

步骤代码 #

import pandas as pd
import numpy as np

# 构造示例数据（替换为你的实际DataFrame即可）
data = {
    'cross entry': [6.49223, None, 3.03064, None],
    'cross exit': [None, 6.63997, None, 2.99758],
    'Rate': [6.6130, 6.4920, 3.1830, 2.8000]
}
dates = pd.to_datetime(['2000-04-27', '2000-06-06', '2001-11-26', '2001-12-04'])
df = pd.DataFrame(data, index=dates)

# 1. 生成分组标签：每两行归为一组
groups = df.groupby(np.arange(len(df)) // 2)

# 2. 聚合每组数据：cross entry取第一行，cross exit取最后一行，Rate分取入场/出场值
agg_result = groups.agg({
    'cross entry': 'first',
    'cross exit': 'last',
    'Rate': ['first', 'last']
})

# 3. 整理列名、添加日期字段、设置最终索引
agg_result.columns = ['cross entry', 'cross exit', 'Entry Rate', 'Exit Rate']
agg_result.insert(0, 'Exit Date', df[df['cross exit'].notna()].index)
agg_result = agg_result.set_index(df[df['cross entry'].notna()].index).rename_axis('Entry Dates')

核心逻辑 #

用np.arange(len(df)) // 2生成连续分组ID（如0,0,1,1...），将每两行划为一组，再通过聚合函数精准提取每组内的入场、出场数据，最后调整格式得到目标结果。

内容的提问来源于stack exchange，提问作者GDPKeynes