如何将以ID为索引的DataFrame多行合并为单行？

你可以用pandas的groupby()方法结合first()（或max()）来实现，因为每个ID对应的每一列只会有一个非空值，聚合时会自动提取该值并忽略NaN。

步骤1：构造示例DataFrame（可直接替换为你的数据） #

import pandas as pd
import numpy as np

data = {
    'index': [9894, 9894, 9269, 9269, 9269, 8655, 8655, 8618, 8618],
    'column_A': [49.99, np.nan, 636.09, np.nan, np.nan, 2861.11, np.nan, 471.09, np.nan],
    'column_B': [np.nan, 49.99, np.nan, np.nan, 636.09, np.nan, 2861.11, np.nan, 471.09],
    'column_C': [np.nan, np.nan, np.nan, 3536.23, np.nan, np.nan, np.nan, np.nan, np.nan]
}

df = pd.DataFrame(data).set_index('index')

步骤2：合并同一ID的行 #

# 两种方法效果一致，任选其一即可
merged_df = df.groupby(df.index).first()
# merged_df = df.groupby(df.index).max()

最终结果 #

运行后merged_df的输出如下：

column_A  column_B  column_C
index                               
8618      471.09    471.09       NaN
8655     2861.11   2861.11       NaN
9269      636.09    636.09    3536.23
9894       49.99     49.99       NaN

原理：groupby(df.index)按ID索引分组，first()/max()会提取每组中每列的唯一非NaN值（因为每组内每个列仅存在一个有效数值），最终实现每个ID对应一行，所有非空值整合到同一行。

内容的提问来源于stack exchange，提问作者Kareem Rashwan