Pandas 使用行索引拆分 DataFrame答案

【问题标题】：Pandas Split DataFrame using row indexPandas 使用行索引拆分 DataFrame
【发布时间】：2019-04-22 19:13:56
【问题描述】：

我想使用行索引按奇数行拆分数据帧。

以下代码：

groups = df.groupby((np.arange(len(df.index))/l[1]).astype(int))

仅适用于统一的行数。

df

a b c  
1 1 1  
2 2 2  
3 3 3  
4 4 4  
5 5 5  
6 6 6  
7 7 7  

l = [2, 5, 7]

df1  
1 1 1  
2 2 2  

df2  
3,3,3  
4,4,4  
5,5,5  

df3  
6,6,6  
7,7,7  

df4  
8,8,8

【问题讨论】：

你试过df.loc吗？
你想随机分割还是有一些你想分割的索引？
不是随机的，我想根据数组 l 进行拆分。前 2 行，然后从第 3 行到第 5 行，依此类推

标签： python pandas dataframe pandas-groupby

【解决方案1】：

我想这就是你要找的。，

l = [2, 5, 7]
dfs=[]
i=0
for val in l:
    if i==0:
        temp=df.iloc[:val]
        dfs.append(temp)
    elif i==len(l):
        temp=df.iloc[val]
        dfs.append(temp)        
    else:
        temp=df.iloc[l[i-1]:val]
        dfs.append(temp)
    i+=1

输出：

另一种解决方案：

l = [2, 5, 7]
t= np.arange(l[-1])
l.reverse()
for val in l:
    t[:val]=val
temp=pd.DataFrame(t)
temp=pd.concat([df,temp],axis=1)
for u,v in temp.groupby(0):
    print v

输出：

   a  b  c  0
0  1  1  1  2
1  2  2  2  2
   a  b  c  0
2  3  3  3  5
3  4  4  4  5
4  5  5  5  5
   a  b  c  0
5  6  6  6  7
6  7  7  7  7

【讨论】：

【解决方案2】：

您可以创建一个数组用于通过 NumPy 进行索引：

import pandas as pd, numpy as np

df = pd.DataFrame(np.arange(24).reshape((8, 3)), columns=list('abc'))

L = [2, 5, 7]
idx = np.cumsum(np.in1d(np.arange(len(df.index)), L))

for _, chunk in df.groupby(idx):
    print(chunk, '\n')

   a  b  c
0  0  1  2
1  3  4  5 

    a   b   c
2   6   7   8
3   9  10  11
4  12  13  14 

    a   b   c
5  15  16  17
6  18  19  20 

    a   b   c
7  21  22  23

您可以使用字典，而不是为每个数据帧定义一个新变量：

d = dict(tuple(df.groupby(idx)))

print(d[1])  # print second groupby value

    a   b   c
2   6   7   8
3   9  10  11
4  12  13  14

【讨论】：

【解决方案3】：

您可以使用列表推导式，首先对您的列表 l 稍作修改。

print(df)

   a  b  c
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4
4  5  5  5
5  6  6  6
6  7  7  7
7  8  8  8


l = [2,5,7]
l_mod = [0] + l + [max(l)+1]

list_of_dfs = [df.iloc[l_mod[n]:l_mod[n+1]] for n in range(len(l_mod)-1)]

输出：

list_of_dfs[0]

   a  b  c
0  1  1  1
1  2  2  2

list_of_dfs[1]

   a  b  c
2  3  3  3
3  4  4  4
4  5  5  5

list_of_dfs[2]

   a  b  c
5  6  6  6
6  7  7  7

list_of_dfs[3]

   a  b  c
7  8  8  8

【讨论】：

如果我错了请纠正我，但我认为修改后的列表应该是：l_mod = [0] + l + [len(df)]。现在，在这种情况下，max(l)+1 和 len(df) 重合，但如果泛化，您可能会丢失行。作为第二点，值得将它传递给set，以确保不存在重复的索引（比如[0] 2 次）。顺便说一句，很棒的解决方案，你得到了我的支持 :)
@N1h1l1sT 谢谢。是的，我认为您的概括是正确的。也许，您也可以使用这个原始列表来过滤数据框，但我同意您的假设。

【解决方案4】：

我认为这是你需要的：

df = pd.DataFrame({'a': np.arange(1, 8),
                  'b': np.arange(1, 8),
                  'c': np.arange(1, 8)})
df.head()
    a   b   c
0   1   1   1
1   2   2   2
2   3   3   3
3   4   4   4
4   5   5   5
5   6   6   6
6   7   7   7

last_check = 0
dfs = []
for ind in [2, 5, 7]:
    dfs.append(df.loc[last_check:ind-1])
    last_check = ind

虽然列表解析比 for 循环更有效，但如果您的索引列表中没有模式，则 last_check 是必要的。

dfs[0]

    a   b   c
0   1   1   1
1   2   2   2

dfs[2]

    a   b   c
5   6   6   6
6   7   7   7

【讨论】：