如何将不同索引长度的DataFrames与NaN组合在一起

Question

我有两个DataFarmes：

df1 = pd.DataFrame([1, 2, 3], columns=['A'])
df2 = pd.DataFrame([2, np.nan, 6, 7], columns=['A'])

我想将其合并为第三个，从而实现以下结果：

df3 = pd.DataFrame([1.5, 2, 4.5, 7], columns=['A'])

然而，我很难找到一种方法来做到这一点。主要是因为：

1. 我想根据一些索引进行组合，每个索引的长度不同，但列相同
2. 每个在不同的地方都有np.nan。在这样的单元格中，我想取有值的，没有np.nan
3. 在它们都具有给定索引位置的值的情况下，我希望基于mean进行聚合

我该如何做到这一点？

我尝试过的：

我曾想过将np.nan转换为0，然后合并并除以2(或数据帧的数量(，但由于转换为0的原因，这会导致人为的低数据点。

Answer 1

通过重复索引值将concat与mean一起使用：

df = pd.concat([df1, df2]).mean(level=0)
#working like
#df = pd.concat([df1, df2]).groupby(level=0).mean()
print (df)
A
0  1.5
1  2.0
2  4.5
3  7.0