如何对具有重复列名的行进行切片并按顺序堆叠该行答案

【问题标题】：How to slice a row with duplicate column names and stack that rows in order如何对具有重复列名的行进行切片并按顺序堆叠该行
【发布时间】：2020-03-25 02:09:07
【问题描述】：

我有一个如图所示的数据框，我想在不更改顺序的情况下将其转换为多行。

  RESP HR SPO2 PULSE
1  46  122  0    0   
2  46  122  0    0   
3
4

【问题讨论】：

您能否从样本数据中添加预期输出，也是 3 行？您是否需要在新 Dataframe 中重复上一列中的 RESP 值？

标签： python pandas pandas-groupby data-science google-colaboratory

【解决方案1】：

一种可能的解决方案是使用reshape，列长度的唯一必要模数是0（因此可以将所有数据转换为4列DataFrame）：

df1 = pd.Dataframe(df.values.reshape(-1, 4), columns=['RESP','HR','SPO2','PULSE'])
df1['RESP1'] = df['RESP'].shift(-1)

通用数据解决方案：

a = '46 122 0 0 46 122 0 0 45 122 0 0 45 122 0'.split()
df = pd.DataFrame([a]).astype(int)
print (df)
    0    1  2  3   4    5  6  7   8    9  10  11  12   13  14
0  46  122  0  0  46  122  0  0  45  122   0   0  45  122   0

#flatten values
a = df.values.ravel()
#number of new columns
N = 4
#array filled by NaNs for possible add NaNs to end of last row
arr = np.full(((len(a) - 1)//N + 1)*N, np.nan)
#fill array by flatten values
arr[:len(a)] = a
#reshape to new DataFrame (last value is NaN)
df1 = pd.DataFrame(arr.reshape((-1, N)), columns=['RESP','HR','SPO2','PULSE'])
#new column with shifting first col
df1['RESP1'] = df1['RESP'].shift(-1)
print(df1)
   RESP     HR  SPO2  PULSE  RESP1
0  46.0  122.0   0.0    0.0   46.0
1  46.0  122.0   0.0    0.0   45.0
2  45.0  122.0   0.0    0.0   45.0
3  45.0  122.0   0.0    NaN    NaN

【讨论】：

我收到此错误：ValueError: cannot reshape array of size 2348 into shape (5)
@NajamShah - 如果检查模 2348 % 5 = 3 则意味着必须删除最后 3 个值才能正常工作。或者需要添加缺失值以像最后一行一样结束 data, data, data, NaN, NaN？
@jezrael 如果不是上述错误，这甚至会给出正确的结果吗？例如，这不会重新使用第 1 行的 RESP 列作为第 2 行的第一列，然后所有内容都会出现乱序的一列......
@JonClements - 你说得对，看起来更复杂
对不起我的错误我不想再重复 RESP

【解决方案2】：

这是groupby的另一种方式：

df = pd.DataFrame(np.random.arange(12), columns=list('abcd'*3))

new_df = pd.concat((x.stack().reset_index(drop=True)
                     .rename(k) for k,x in df.groupby(df.columns, axis=1)), 
                    axis=1)

new_df = (new_df.assign(a1=lambda x: x['a'].shift(-1))
                .rename(columns={'a1':'a'})
         )

输出：

   a  b   c   d    a
0  0  1   2   3  4.0
1  4  5   6   7  8.0
2  8  9  10  11  NaN

【讨论】：

yop，也许应该解释双 a 列 - 而不是，因为选择问题