熊猫行复制python答案

【问题标题】：Pandas row replication python熊猫行复制python
【发布时间】：2021-09-17 13:31:32
【问题描述】：

所以我的数据框有多个列，其中一个名为“multiple”，其中包含布尔值，只有 1 和 0。现在，我只想为所有 df.loc[df.multiple==1] 复制所有行 4 次。我怎样才能做到这一点？（我不想复制索引）

example input:
df=
index strings  multiple
0        A        0
1        B        1
2        C        1
3        D        0
4        E        1


Expected output:

index strings  multiple
0        A        0
1        B        1
2        B        1
3        B        1
4        B        1
5        B        1
6        C        1
7        C        1
8        C        1
9        C        1
10       C        1
11       D        0
12       E        1
13       E        1
14       E        1
15       E        1
16       E        1

【问题讨论】：

用df[df.multiple==1]新建一个df并用pd.concat()添加4次
但这不会保持顺序。例如，如果索引 25 的 df.multiple=1，那么我需要按顺序将 25 复制到 26、27、28、29
请提供示例输入和匹配的预期输出以明确说明。
@mozway 我已经编辑并添加了示例输入和预期输出

标签： python pandas replicate

【解决方案1】：

这就是numpy.repeat 的用途：

import pandas as pd
import numpy as np


df = pd.DataFrame([['A', 0],
                   ['B', 1],
                   ['C', 1],
                   ['D', 0],
                   ['E', 1]],
                  columns=['strings', 'multiple'])

df = pd.DataFrame(np.repeat(df.values, df['multiple']*4+1, axis=0), columns=df.columns)

print(df)
#    strings multiple
# 0        A        0
# 1        B        1
# 2        B        1
# 3        B        1
# 4        B        1
# 5        B        1
# 6        C        1
# 7        C        1
# 8        C        1
# 9        C        1
# 10       C        1
# 11       D        0
# 12       E        1
# 13       E        1
# 14       E        1
# 15       E        1
# 16       E        1

【讨论】：

不得不说这个方案比我的快
@mozway 是的 apply 基本上是一个循环。而且 pandas 往往比 numpy 更慢（开销更大）..
根据您的回答，这里是另一种选择：df.apply(lambda x: np.repeat(x, df['multiple']*4+1)).reset_index(drop=True)。不过仍然没有你的那么快。

【解决方案2】：

你可以用熊猫来做：

(df.groupby('multiple')
   .apply(lambda x: pd.concat([x]*4) if x.name else x)
   .droplevel(level=0)
   .sort_index()
   .reset_index(drop=True)
)

【讨论】：

【解决方案3】：

这是基于@Vinzent 回答的另一种选择。它使用相同的方法来构建重复，但不需要重建完整的数据帧。相反，它基于索引。在提供的数据集和更大的数据集上，此解决方案的速度提高了约 30%。

df.loc[np.repeat(df.multiple, df.multiple.values*4+1).index].reset_index(drop=True)

【讨论】：