如何按索引合并Pandas DataFrame中虚拟变量列的取值？

方法1：直接使用groupby按索引聚合求和 #

这是最简洁的实现方式，直接对索引分组后执行求和操作，即可得到相同索引下各列累加的结果：

import pandas as pd

# 构造示例DataFrame
data = {'Values': [0, 1, 0, 0], 'Values2': [1, 1, 0, 1],'Values3': [0, 0, 0, 1]}
df = pd.DataFrame(data, index =['position1', 'position2', 'position1', 'position2'])

# 核心实现代码
result = df.groupby(df.index).sum()
print(result)

运行输出：

Values  Values2  Values3
position1       0        1        0
position2       1        2        1

方法2：使用pivot_table实现 #

pivot_table完全可以满足该需求，只需指定按原索引分组、聚合规则为求和即可：

result = pd.pivot_table(df, index=df.index, aggfunc='sum')
print(result)

运行输出和方法1完全一致。

内容的提问来源于stack exchange，提问作者Tiago Emanuel Pratas