如何将DataFrame中timestamp为0的行与前一行求和合并？

需求说明 #

给定包含重复事件的大型DataFrame，当某行的b列（timestamp）为0时，将该行与前一行求和合并（仅c列相加，保留前一行的a和b值）。

示例数据构造 #

import pandas as pd

data = {
    'a': [139, 163, 163, 172, 183, 183],
    'b': [4e+08, 6e+08, 0, 6e+08, 6e+08, 0],
    'c': [0.234, 0.964, 0.034, 1.173, 0.734, 0.296]
}
df = pd.DataFrame(data)

实现代码 #

# 定位所有timestamp为0的行索引
zero_rows = df[df['b'] == 0].index
# 对应前一行的索引
prev_rows = zero_rows - 1

# 将0行的c值累加到前一行的c列
df.loc[prev_rows, 'c'] += df.loc[zero_rows, 'c'].values

# 删除所有timestamp为0的行，重置索引
df = df[df['b'] != 0].reset_index(drop=True)

输出结果 #

执行后得到目标DataFrame：

a          b      c
0  139  400000000.0  0.234
1  163  600000000.0  0.998
2  172  600000000.0  1.173
3  183  600000000.0  1.030

注意事项 #

• 该方法基于索引操作，无循环，适合处理大型DataFrame，效率较高
• 若存在连续多行b=0的情况，会依次将每行的c值累加到各自的前一行，符合逐行合并的逻辑

内容的提问来源于stack exchange，提问作者Matteo