将列向量转换为多列矩阵答案

【问题标题】：Convert column vector into multi-column matrix将列向量转换为多列矩阵
【发布时间】：2021-03-08 12:33:08
【问题描述】：

我有一个列向量，比如 30 个值 (1-30)第三列。我将如何使用 Pandas 或 NumPy 实现这一点？

import pandas as pd

#Create data
df = pd.DataFrame(np.linspace(1,20,20))

print(df)

1
2
:
28
29
30

为了得到这样的东西：

# Manipulate the column vector to make columns where the first column has 5
# the second column has 10 and the last column has 15 values
'T1' 'T2' 'T3'
1    6    16 
2    7    17
3    8    18
4    9    19
5    10   20
NA   11   21
NA   12   22
NA   13   23 
NA   14   24
NA   15   25
NA   NA   26
NA   NA   27
NA   NA   28
NA   NA   29
NA   NA   30

【问题讨论】：

标签： python arrays pandas numpy

【解决方案1】：

花了一点时间才知道这是什么系列，我发现它是一个三角形系列，只是一个修改过的。

tri = lambda x:int((0.25+2*x)**0.5-0.5)

这将给出如下结果：

0 1 1 2 2 2 3 3 3 3 4 4 4 4 4 5 5 5 5 5 5 ...

修改后：

modtri = lambda x:int((0.25+2*(x//5))**0.5-0.5)

0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 ...

所以正态三角形序列中的每次出现重复 5 次。

上面的modtri函数会直接将索引从0开始映射到合适的组ID。

然后，这将完成这项工作：

df[0].groupby(modtri).apply(lambda x: pd.Series(x.values)).unstack().T

完全执行：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.linspace(1,30,30))

N = 5 #the increment value

modtri = lambda x:int((0.25+2*(x//N))**0.5-0.5)

df2 = df[0].groupby(modtri).apply(lambda x: pd.Series(x.values)).unstack().T

df2.rename(columns={0: "T1", 1: "T2",2:"T3"},inplace=True)

print(df2)

输出：

     T1    T2    T3
0   1.0   6.0  16.0
1   2.0   7.0  17.0
2   3.0   8.0  18.0
3   4.0   9.0  19.0
4   5.0  10.0  20.0
5   NaN  11.0  21.0
6   NaN  12.0  22.0
7   NaN  13.0  23.0
8   NaN  14.0  24.0
9   NaN  15.0  25.0
10  NaN   NaN  26.0
11  NaN   NaN  27.0
12  NaN   NaN  28.0
13  NaN   NaN  29.0
14  NaN   NaN  30.0

【讨论】：

【解决方案2】：

通过重新索引切片试试这个：

df['T1'] = df[0][0:5]
df['T2'] = df[0][5:15].reset_index(drop=True)
df['T3'] = df[0][15:].reset_index(drop=True)

操作前的原始数据：

df = pd.DataFrame(np.linspace(1,30,30))
print(df)

    0
0   1.0
1   2.0
2   3.0
3   4.0
4   5.0
5   6.0
6   7.0
7   8.0
8   9.0
9   10.0
10  11.0
11  12.0
12  13.0
13  14.0
14  15.0
15  16.0
16  17.0
17  18.0
18  19.0
19  20.0
20  21.0
21  22.0
22  23.0
23  24.0
24  25.0
25  26.0
26  27.0
27  28.0
28  29.0
29  30.0

运行新代码：

df['T1'] = df[0][0:5]
df['T2'] = df[0][5:15].reset_index(drop=True)
df['T3'] = df[0][15:].reset_index(drop=True)

print(df)

       0   T1    T2    T3
0    1.0  1.0   6.0  16.0
1    2.0  2.0   7.0  17.0
2    3.0  3.0   8.0  18.0
3    4.0  4.0   9.0  19.0
4    5.0  5.0  10.0  20.0
5    6.0  NaN  11.0  21.0
6    7.0  NaN  12.0  22.0
7    8.0  NaN  13.0  23.0
8    9.0  NaN  14.0  24.0
9   10.0  NaN  15.0  25.0
10  11.0  NaN   NaN  26.0
11  12.0  NaN   NaN  27.0
12  13.0  NaN   NaN  28.0
13  14.0  NaN   NaN  29.0
14  15.0  NaN   NaN  30.0
15  16.0  NaN   NaN   NaN
16  17.0  NaN   NaN   NaN
17  18.0  NaN   NaN   NaN
18  19.0  NaN   NaN   NaN
19  20.0  NaN   NaN   NaN
20  21.0  NaN   NaN   NaN
21  22.0  NaN   NaN   NaN
22  23.0  NaN   NaN   NaN
23  24.0  NaN   NaN   NaN
24  25.0  NaN   NaN   NaN
25  26.0  NaN   NaN   NaN
26  27.0  NaN   NaN   NaN
27  28.0  NaN   NaN   NaN
28  29.0  NaN   NaN   NaN
29  30.0  NaN   NaN   NaN

【讨论】：