在python中将行复制n次

Question

我有一个数据框，第一列是字符串，第二列是我想要复制每个字符串的数字。

df = pd.DataFrame({'String':['a','b', 'c', 'd', 'e', 'f', 'g'],
        'Times':[2, 3, 5, 3, 2, 4, 5]})
df

String	Times
a	2
b	3
c	5
d	3
e	2
f	4
g	5

如何在 python 中创建一个数据框？ （停在 d 但你知道模式）。谢谢！

String	Times
a	1
a	2
b	1
b	2
b	3
c	1
c	2
c	3
c	4
c	5

Answer 1

另一种方法可能是：

df.assign(Times = df.Times.apply(lambda x: range(1, x + 1))).explode('Times')
Out[]: 
  String Times
0      a     1
0      a     2
1      b     1
1      b     2
1      b     3
2      c     1
2      c     2
2      c     3
2      c     4
2      c     5

Answer 2

有点乱，但似乎做你想做的事：

new_df = pd.DataFrame(df.String.str.repeat(df.Times).apply(list).explode().reset_index(drop=True))

new_df["Times"] = new_df.groupby("String").cumcount() + 1

输出：

   String  Times
0       a      1
1       a      2
2       b      1
3       b      2
4       b      3
5       c      1
6       c      2
7       c      3
8       c      4
9       c      5
10      d      1
11      d      2
12      d      3
13      e      1
14      e      2
15      f      1
16      f      2
17      f      3
18      f      4
19      g      1
20      g      2
21      g      3
22      g      4
23      g      5

Answer 3

使用Index.repeat 复制行并使用groupby+cumcount: 枚举它们：

(df.loc[df.index.repeat(df['Times'])]
   .assign(Times=lambda d: d.groupby('String').cumcount().add(1))
 )

输出：

  String  Times
0      a      1
0      a      2
1      b      1
1      b      2
1      b      3
2      c      1
2      c      2
2      c      3
2      c      4
2      c      5
3      d      1
...

所有答案的比较（7k 行）：

@mozway
11.2 ms ± 1.63 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

@Onyambu
16 ms ± 685 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

@ifly6
27.3 ms ± 2.42 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

@ddejohn
28.5 ms ± 4.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

在 700k 行上：1s, 1.43s, 2.34s, 2.94s 以相同的顺序

Answer 4

使用df.explode。通过将您的重复转换为列表来完成这项工作：

s = ['a','b', 'c', 'd', 'e', 'f', 'g']
t = [2, 3, 5, 3, 2, 4, 5]

那么，

times = [list(range(i + 1)) for i in t]
df = pd.DataFrame({'string': s, 'times': times}).explode('times')

>>> df.head(10)
  string times
0      a     0
0      a     1
0      a     2
1      b     0
1      b     1
1      b     2
1      b     3
2      c     0
2      c     1
2      c     2

如果您不希望索引像那样重复，df.reset_index(drop=True, inplace=True)（如果存在，则重新分配）。如果您想要 1-indexing 而不是 0-indexing，请为 list(range(i + 1)) 替换 list(range(1, i + 2))。或者，只需在末尾的times 列中添加一个。 times 列对 df.explode 来说并不重要，无论如何它都会根据重复而爆炸。