Объединить две строки в том же Dataframe, если их индекс одинаковый?

Вы можете groupby по индексу и sum звонков:

 In [184]: df.groupby(level=0).sum() Out[184]: Col1 Col2 index 2015-10-27 22:22:31 1400 50.5 

Для всех, кого это интересует, я написал свою собственную функцию:

1. пройти через фрейм данных
2. принимая во внимание строки, требующие слияния, принимая во внимание индексы
3. агрегировать или усреднять значения по всем строкам
4. удалите все, кроме одной строки каждого набора, которые нуждаются в объединении, заменяя его значения скоплениями или средними значениями (в зависимости от того, что мне нужно)

код:

 def groupDataOnTimeBlock(data, timeBlock_type, timeBlock_factor): ''' Filter Dataframe to merge lines which are within the same time block. ie being part of the same x number of seconds, weeks, months... data: Dataframe to filter. timeBlock_type: Time period with which to group data rows. This can be data per: SECONDS, DAYS, MILLISECONDS timeBlock_factor: Number of timeBlock types to group on. ''' pd.options.mode.chained_assignment = None # default='warn' tBt = timeBlock_type.upper() tBf = timeBlock_factor if tBt == 'SEC' or tBt == 'SECOND' or tBt == 'SECONDS': roundType = 'SECONDS' elif tBt == 'MINS' or tBt == 'MINUTES' or tBt == 'MIN': roundType = 'MINUTES' elif tBt == 'MILLI' or tBt == 'MILLISECONDS': roundType = 'MILLISECONDS' elif tBt == 'WEEK' or tBt == 'WEEKS': roundType = 'WEEKS' else: raise ValueError ('Invalid time block type entered') numElements = len(data.columns) anchorValue = timeStampReformat(data.iloc[1,len(data.columns)-7], roundType, tBf) delIndex = [] mergeCount = 0 av_agg_arr = np.zeros([1,numElements], dtype=float) #Cycling through dataframe to get averages and note which rows to delete for i, row in data.iterrows(): #i is the index value, from 0 backDate = timeStampReformat(row['Timestamp'], roundType, tBf) data.loc[i,'Timestamp'] = backDate #can be done better. Not all rows need updating. if (backDate > anchorValue): #if data should be grouped delIndex.pop() #remove last index as this is the final row to use delIndex.append(i) #add current row so that it isnt missed. print('collate') if mergeCount != 0: av_agg_arr = av_agg_arr/mergeCount for idx in range(1,numElements-1): if isinstance(row.values[idx],float): data.iloc[i-1, idx] = av_agg_arr[0, idx] #configure previous (index i -1) row. This is the last of the prior datetime group anchorValue = backDate mergeCount = 0 # Re-initialising aggregates and passing in current row values. av_agg_arr = av_agg_arr - av_agg_arr for idx in range(1,numElements-1): if isinstance(row.values[idx],float): if not pd.isnull(row.values[idx]): av_agg_arr[0,idx] += row.values[idx] else: #else if data is still part of same datetime group for idx in range(1,numElements-1): if isinstance(row.values[idx],float): if not pd.isnull(row.values[idx]): av_agg_arr[0,idx] += row.values[idx] mergeCount += 1 delIndex.append(i) #picking out index value of row data.drop(data.index[delIndex], inplace=True) #delete all flagged rows data.reset_index() pd.options.mode.chained_assignment = 'warn' # default='warn' return data