两步实现Pandas合并相同索引行的秘籍

在Pandas处理数据的过程中，我们常常会遇到需要对相同索引行进行汇总和统计的情况。那么如何高效地实现DataFrame相同索引行的合并呢?

在Pandas中，可以使用.groupby()和.agg()方法合并相同索引行。
例如，有这样一张DataFrame：

   date  category     value
0   2020-01-01        a        1 
1   2020-01-01        b        2
2   2020-01-02        a        3 
3   2020-01-02        b        4
4   2020-01-03        a        5
5   2020-01-03        b        6 

要合并2020-01-01这天的行，可以这样操作：

df.loc['2020-01-01'].groupby('category').agg({'value'：'sum'})

# 输出：
   value
category  
a        1
b        2

此时category为a的行会合并，value之和为1;category为b的行也会合并，value之和为2。
同理，要合并所有日期的相同category行，可以这样操作：

df.groupby('category').agg({'value'：'sum'})

# 输出：
   value 
category  
a      9
b     12 

此时，category为a的所有行会合并，value之和为9;

category为b的所有行也会合并，value之和为12。

所以，Pandas中合并相同索引行的步骤是：

1. 使用.groupby()方法对相同列进行分组，这里我们对category列分组
2. 使用.agg()方法选择要统计的列，以及统计方法，这里我们选value列并采用'sum'统计方法
3. 最终输出的DataFrame中，索引为我们指定的分组列category，其value值将是所有分组中的值相加

这是一个数据处理中常常会使用的方法，可以高效地对相同索引行进行汇总和统计。