如何在具有固定索引号的熊猫数据框中填充 0？

Question

我想将 CNN 用于某些数据表（数据框或 ndarray） 但我在每个索引中有不同的行数据。

来源：

mIndex  valueA  valueB
------  ------  --------  
  1       111     10      
  1       112     20      
  2       222     30      
  2       221     40      
  2       223     50      
  3       333     60    

希望：（每个索引最多 3 行）

mIndex  valueA  valueB
------  ------  --------  
  1       111     10      
  1       112     20   
  1         0      0
  2       222     30      
  2       221     40      
  2       223     50      
  3       333     60    
  3         0      0
  3         0      0

我想为 CNN 宣传片做这件事。

但是是否可以在 numpy 或 keras pedding 函数中执行此操作？

请帮忙。 提前致谢。

Answer 1

方法一

首先应用np.array 获取数组，然后应用pd.Series 基本上将每列的值旋转到一行，这样我们就可以使用堆栈进行转换。 之后我们使用stack 并保留NaN。

最后，我们将concat 的所有数据帧添加到axis=1 上的一个最终数据帧

cols = ['valueA', 'valueB']
dfs = []
for col in cols:
    dfs.append(df.groupby('mIndex')[col].apply(np.array)
                                        .apply(pd.Series)
                                        .stack(dropna=False).reset_index(level=0)
                                                            .rename({0:col}, axis=1))

df_final = pd.concat(dfs, axis=1).reset_index(drop=True)

print(df_final)
   mIndex  valueA  mIndex  valueB
0       1   111.0       1    10.0
1       1   112.0       1    20.0
2       1     NaN       1     NaN
3       2   222.0       2    30.0
4       2   221.0       2    40.0
5       2   223.0       2    50.0
6       3   333.0       3    60.0
7       3     NaN       3     NaN
8       3     NaN       3     NaN

方法二

我们可以访问groupby 元素

df= pd.concat([
       d.reset_index(drop=True).reindex(range(3))
       for n, d in df.groupby('mIndex')
], ignore_index=True)

print(df)
   mIndex  valueA  valueB
0     1.0   111.0    10.0
1     1.0   112.0    20.0
2     NaN     NaN     NaN
3     2.0   222.0    30.0
4     2.0   221.0    40.0
5     2.0   223.0    50.0
6     3.0   333.0    60.0
7     NaN     NaN     NaN
8     NaN     NaN     NaN

Answer 2

我只能笨拙地做，也许有人有更好的解决方案：

# df
   mIndex valueA valueB
0       1      a      a
1       2      b      b
2       2      b      b
3       3      c      c

我们开始吧：

# get number of required padding
nPad = df.groupby('mIndex').mIndex.count().transform(lambda x: 3-x)

# get paddings
pads = []
for i, row in nPad.items():
    for _ in range(row):
        pads.append([i, 0, 0])
pads = pd.DataFrame(pads, columns=df.columns)

# padding
df = pd.concat([df, pads], ignore_index=True)
       .set_index('mIndex').sort_values('mIndex')

填充后：

   mIndex valueA valueB
1      a      a
1      0      0
1      0      0
2      b      b
2      b      b
2      0      0
3      c      c
3      0      0
3      0      0