具有相同行索引的重复行值

Question

我需要创建一个样本数据框，如果行索引相同，它会重复（并且不会再次采样）。

nums = [0.1,0.3,0.7,0.5]

country  a   b   c   d 
USA     0.3 0.1 0.5 0.7
USA     0.3 0.1 0.5 0.7
Italy   0.1 0.5 0.7 0.3
UK      0.7 0.1 0.5 0.3
Uk      0.7 0.1 0.5 0.3
UK      0.7 0.1 0.5 0.3

我试过了：

for i in df.index:
    df.loc[i] = random.sample(nums)

但每一行都有不同的样本

Answer 1

您可以获取每个国家/地区的行数，为每个国家/地区生成样本并使用reindex-repeat 策略 (this answer) 扩展样本。

# get size
df_out = df.groupby("country").size().to_frame("size")

# generate sample for each country
df_out[["a","b","c","d"]] = df_out.apply(lambda el: random.sample(nums, k=4), axis=1).to_list()

# ***** Replace the above line with the following code *****
# ***** If it didn't work (legacy pandas version?)***
df_out = pd.concat(
    [df_out,
     pd.DataFrame([random.sample(nums, k=4) for i in range(len(df_out))],
                  columns=["a","b","c","d"],
                  index=df_out.index)
     ], axis=1)

# repeat rows based on size
df_out = df_out.reindex(df_out.index.repeat(df_out["size"])).reset_index()

输出

print(df_out)
  country  size    a    b    c    d
0   Italy     1  0.5  0.3  0.1  0.7
1      UK     2  0.3  0.5  0.7  0.3
2      UK     2  0.3  0.5  0.7  0.3
3     USA     2  0.7  0.1  0.3  0.1
4     USA     2  0.7  0.1  0.3  0.1
5      Uk     1  0.1  0.7  0.5  0.5   <- caused by typo in given data

在 python 3.7、pandas 1.1.3、64 位 debian 10 操作系统上测试

Answer 2

你应该使用 groupby 函数，试试这个：

df.groupby(df.index).first()

示例：