通过列值复制熊猫数据框中的行答案

【问题标题】：Replicating rows in a pandas data frame by a column value [duplicate]通过列值复制熊猫数据框中的行
【发布时间】：2020-07-07 00:34:49
【问题描述】：

我想复制 Pandas 数据框中的行。每行应重复 n 次，其中 n 是每行的一个字段。

import pandas as pd

what_i_have = pd.DataFrame(data={
  'id': ['A', 'B', 'C'],
  'n' : [  1,   2,   3],
  'v' : [ 10,  13,   8]
})

what_i_want = pd.DataFrame(data={
  'id': ['A', 'B', 'B', 'C', 'C', 'C'],
  'v' : [ 10,  13,  13,   8,   8,   8]
})

这可能吗？

【问题讨论】：

有什么理由这样做吗？我认为最好避免数据重复。
这是一个中间步骤——我根据概率分布生成“v”列，然后我将通过从另一个数据集中随机选择行来添加另一列。
我仍然没有看到不直接这样做的理由。但我需要更多关于你实际想要达到的目标的信息。
不确定这里的“直接做”是什么意思？不过，接受的答案正是我想要的。
在将因子转换为虚拟变量之前，我正在使用这个中间步骤。

标签： python pandas

【解决方案1】：

您可以使用Index.repeat根据列获取重复的索引值，然后从DataFrame中选择：

df2 = df.loc[df.index.repeat(df.n)]

  id  n   v
0  A  1  10
1  B  2  13
1  B  2  13
2  C  3   8
2  C  3   8
2  C  3   8

或者您可以使用np.repeat 来获取重复的索引，然后使用它来索引到框架中：

df2 = df.loc[np.repeat(df.index.values, df.n)]

  id  n   v
0  A  1  10
1  B  2  13
1  B  2  13
2  C  3   8
2  C  3   8
2  C  3   8

之后只需要进行一些清理工作：

df2 = df2.drop("n", axis=1).reset_index(drop=True)

  id   v
0  A  10
1  B  13
2  B  13
3  C   8
4  C   8
5  C   8

请注意，如果您可能需要担心重复的索引，您可以改用 .iloc：

df.iloc[np.repeat(np.arange(len(df)), df["n"])].drop("n", axis=1).reset_index(drop=True)

  id   v
0  A  10
1  B  13
2  B  13
3  C   8
4  C   8
5  C   8

它使用位置，而不是索引标签。

【讨论】：

新版本可以df.loc[df.index.repeat(df.n)]
@zero：这应该是新接受的答案

【解决方案2】：

您可以使用set_index 和repeat

In [1057]: df.set_index(['id'])['v'].repeat(df['n']).reset_index()
Out[1057]:
  id   v
0  A  10
1  B  13
2  B  13
3  C   8
4  C   8
5  C   8

详情

In [1058]: df
Out[1058]:
  id  n   v
0  A  1  10
1  B  2  13
2  C  3   8

【讨论】：

【解决方案3】：

不是最好的解决方案，但我想分享一下：你也可以使用pandas.reindex() 和.repeat()：

df.reindex(df.index.repeat(df.n)).drop('n', axis=1)

输出：

您可以进一步附加.reset_index(drop=True) 以重置.index。

【讨论】：

【解决方案4】：

类似于tidyr 中的uncount：

https://tidyr.tidyverse.org/reference/uncount.html

我写了一个包 (https://github.com/pwwang/datar) 来实现这个 API：

from datar import f
from datar.tibble import tribble
from datar.tidyr import uncount

what_i_have = tribble(
    f.id, f.n, f.v,
    'A',  1,   10,
    'B',  2,   13,
    'C',  3,   8
)
what_i_have >> uncount(f.n)

输出：

【讨论】：