Pandas：如何复制一行 n 次并在数据框的所需位置插入？

Question

假设我有一个如下的数据框：

index	col 1	col2
0	a01	a02
1	a11	a12
2	a21	a22

我想将一行复制 n 次，然后在某个索引处插入复制的行。例如将第 0 行复制 2 次，然后在原始第 0 行之前插入：

index	col 1	col2
0	a01	a02
1	a01	a02
2	a01	a02
3	a11	a12
4	a21	a22

我现在正在做的是创建一个空数据框，然后用我想要复制的行的值填充它。

# create empty dataframe with 2 rows
temp_df = pd.DataFrame(columns=original_df.columns, index=list(range(2)))
 
# replacing each column by target value, I don't know how to do this more efficiently
temp_df.iloc[:,0] = original_df.iloc[0,0]
temp_df.iloc[:,1] = original_df.iloc[0,1]
temp_df.iloc[:,2] = original_df.iloc[0,2]

# concat the dataframes together
# to insert at indexes in the middle, I would have to slice the original_df and concat separately
original_df = pd.concat([temp_df, original_df])

这似乎是一种非常迟钝的方法来做一些我认为应该很简单的事情。我应该如何更轻松地完成这项工作？

Answer 1

这可以工作。将索引重置为一列，以便您可以在最后使用它进行排序。取出您想要的行并使用 np.reapeat 将其连接到原始 df 然后对索引 col 进行排序，删除它并重置索引。

import pandas as pd
import numpy as np

df = pd.DataFrame({'index': [0, 1, 2],
 'col 1': ['a01', 'a11', 'a21'],
 'col2': ['a02', 'a12', 'a22']})


index_to_copy = 0
number_of_extra_copies = 2
pd.concat([df,
           pd.DataFrame(np.repeat(df.iloc[[index_to_copy]].values,
                                  number_of_extra_copies,
                                  axis=0),
                        columns=df.columns)]).sort_values(by='index').drop(columns='index').reset_index(drop=True)

输出

    col 1   col2
0   a01     a02
1   a01     a02
2   a01     a02
3   a11     a12
4   a21     a22