我正在尝试将数据框中重复的列附加到新数据框中。

huangapple
go评论108阅读模式
英文:

I'm trying to append the repeated column in a dafaframe to new dataframe

问题

a b c
1 12 123
2 23 456
3 34 789
4 4 567
45 45 876
47 47 345
7 12 456
4 34 234
6 76 769

英文:

Inuput

  1. a	b	c	a	b	c	a	b	c
  2. 1	12	123	4	23	567	7	12	456
  3. 2	23	456	45	56	876	4	34	234
  4. 3	34	789	47	67	345	6	76	769

output

  1. a	b	c
  2. 1	12	123
  3. 2	23	456
  4. 3	34	789
  5. 4	4	567
  6. 45	45	876
  7. 47	47	345
  8. 7	12	456
  9. 4	34	234
  10. 6	76	769

I'm trying to solve this in python

  1. for i in range(0,len(supplier.columns),len(col_list)):
  2.     dfnew = supplier.iloc[i : i + len(col_list)]

答案1

得分: 2

你可以使用groupby.cumcount来去除重复列，并计算一个MultiIndex，然后使用stack函数：

  1. out = (df.set_axis(pd.MultiIndex
  2.                      .from_arrays([df.columns,
  3.                                    df.columns.to_series()
  4.                                      .groupby(level=0).cumcount()]),
  5.                    axis=1)
  6.          .stack().sort_index(level=1)
  7.       )

输出：

  1.       a   b    c
  2. 0 0   1  12  123
  3. 1 0   2  23  456
  4. 2 0   3  34  789
  5. 0 1   4  23  567
  6. 1 1  45  56  876
  7. 2 1  47  67  345
  8. 0 2   7  12  456
  9. 1 2   4  34  234
  10. 2 2   6  76  769

或者使用groupby和concat函数：

  1. group = df.columns.to_series().groupby(level=0).cumcount()
  2. out = pd.concat([g for k,g in df.groupby(group, axis=1)], axis=0)

输出：

  1.     a   b    c
  2. 0   1  12  123
  3. 1   2  23  456
  4. 2   3  34  789
  5. 0   4  23  567
  6. 1  45  56  876
  7. 2  47  67  345
  8. 0   7  12  456
  9. 1   4  34  234
  10. 2   6  76  769
英文:

You can de-duplicate the columns with groupby.cumcount and compute a MultiIndex, then stack:

  1. out = (df.set_axis(pd.MultiIndex
  2.                      .from_arrays([df.columns,
  3.                                    df.columns.to_series()
  4.                                      .groupby(level=0).cumcount()]),
  5.                    axis=1)
  6.          .stack().sort_index(level=1)
  7.       )

Output:

  1.       a   b    c
  2. 0 0   1  12  123
  3. 1 0   2  23  456
  4. 2 0   3  34  789
  5. 0 1   4  23  567
  6. 1 1  45  56  876
  7. 2 1  47  67  345
  8. 0 2   7  12  456
  9. 1 2   4  34  234
  10. 2 2   6  76  769

Or using groupby and concat:

  1. group = df.columns.to_series().groupby(level=0).cumcount()
  2. out = pd.concat([g for k,g in df.groupby(group, axis=1)], axis=0)

Output:

  1.     a   b    c
  2. 0   1  12  123
  3. 1   2  23  456
  4. 2   3  34  789
  5. 0   4  23  567
  6. 1  45  56  876
  7. 2  47  67  345
  8. 0   7  12  456
  9. 1   4  34  234
  10. 2   6  76  769

huangapple
  • 本文由 发表于 2023年7月3日 16:57:07
  • 转载请务必保留本文链接：https://go.coder-hub.com/76603277.html
  • pandas
  • python
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定