合并pandas数据框中可变数量的行

Question

我对熊猫和数据帧还不熟悉。我有一个相当简单的问题，我认为应该有一个直接的解决办法，这是我不清楚（我不太了解熊猫）

因此，在我的数据帧中，有许多行具有相同的索引：

                     Glucose   Insulin  Carbs
Hour
2018-05-16 06:43:00    156.0       0.0    0.0
2018-05-16 06:43:00      NaN       0.0   65.0
2018-05-16 06:43:00      NaN       7.0    0.0

我想把它们合并起来，得到一行，它包含了给定时间内所有可用的信息索引：

                     Glucose   Insulin  Carbs
Hour
2018-05-16 06:43:00    156.0       7.0   65.0
2018-05-16 06:43:00      NaN       0.0   65.0
2018-05-16 06:43:00      NaN       7.0    0.0

之后，我将删除任何列中包含NaN的所有行，以获得：

                     Glucose   Insulin  Carbs
Hour
2018-05-16 06:43:00    156.0       7.0   65.0

问题是，在同一个数据框中，我得到了信息较少的重复数据，可能只有碳水化合物或胰岛素

                     Glucose   Insulin  Carbs
Hour
2018-05-19 06:15:00      NaN       1.5    0.0
2018-05-19 06:15:00    229.0       0.0    0.0

我已经知道这些条目的索引：

bad_indices = _df[ _df.Glucosa.isnull() ].index 

我想知道的是，是否有一个很好的Pythonic方法来完成这样的任务（两行和三行的情况都是这样）。 可能是一个内置的方法或者是半标准的方法 或者至少是可读的，因为我不想写得难看（而且容易破碎） 对每种情况都有明确考虑的代码

Answer 1

您可以将0替换为NaN，然后获取每个组的第一个非NaN值：

df = df.mask(df == 0).groupby(level=0).first()
print (df)
                     Glucose  Insulin  Carbs
Hour                                        
2018-05-16 06:43:00    156.0      7.0   65.0