从分组列中另一个 DataFrame 的每一行创建 DataFrame？答案

【问题标题】：create DataFrame from each row of another DataFrame in grouped columns?从分组列中另一个 DataFrame 的每一行创建 DataFrame？
【发布时间】：2020-02-11 07:18:54
【问题描述】：

目标：将 DataFrame A 的每一行转换为一个新的 Dataframe B。这个新的 Dataframe B 应该在每一行中包含一组来自 A 的列。如果有 6 个组，每个 B 应该有 6 行。

问题：我设法做到了以上几点，我只是想知道是否有更 Pythonic 的方式来做到这一点？我已经尝试过尽可能简化，但我仍然觉得有一个更简单的解决方案。这是我的方法：

import pandas as pd
import numpy as np

A = pd.DataFrame(np.random.rand(100,3), columns=['A_1','B_1','B_2'])
slices = [['A_1','A_2'],['B_1','B_2']]

def create_timeseries(data, slices):
    sliced_cols = [list(data.columns[data.columns.isin(i)]) for i in slices]
    len_slices = [0] + [len(sliced_cols[i]) for i in range(len(sliced_cols))]
    len_slices = np.cumsum(len_slices) 
    final_sliced_data = []
    for i, rows in enumerate(data.iterrows()):
        mat = np.zeros((len(sliced_cols), len_slices[-1]))
        for j, slices in enumerate(sliced_cols):
            mat[j, len_slices[j]:len_slices[j+1]] = rows[1].loc[slices]
        final_sliced_data.append(pd.DataFrame(mat, columns=sum(sliced_cols, [])))
    return final_sliced_data

B = create_timeseries(A, slices)

# have a look at first tranformed row
B[0]

示例：

输入（100 次观察）：

A:
         A_1       B_1       B_2
0   0.574628  0.521426  0.161865
1   0.137718  0.237061  0.124890
2   0.753827  0.032432  0.785584
3   0.611985  0.606326  0.585408
4   0.676480  0.543213  0.055162
..       ...       ...       ...
95  0.383652  0.189211  0.223110
96  0.063715  0.312059  0.233206
97  0.886396  0.072423  0.108809
98  0.853179  0.314846  0.907006
99  0.302820  0.402470  0.152462

[100 rows x 3 columns]

输出（前 2 次观察）：

B[0]:
        A_1       B_1       B_2
0  0.574628  0.000000  0.000000
1  0.000000  0.521426  0.161865

B[1]:
        A_1       B_1      B_2
0  0.137718  0.000000  0.00000
1  0.000000  0.237061  0.12489

【问题讨论】：

如果您可以添加示例输入和预期输出，目标就会变得清晰。
@Parth 它已经包含在上面的代码中，A 作为输入，B[0] 作为预期输出，但我可能会添加视觉支持
好的，但是用例子说明清楚，基于什么逻辑，输出是从输入创建的？从代码中理解是不对的。
是的，你是对的，我添加了一个示例。问题是，上面的代码解决了我只是好奇是否有更好的方法来做同样的事情
检查答案，看看它是否符合您的要求。

标签： python pandas dataframe time-series slice

【解决方案1】：

试试这个：

B = A.apply(lambda x: pd.DataFrame([[x.A_1,0,0],[0, x.B_1, x.B_2]], columns=A.columns), axis=1).tolist()

【讨论】：

不错的解决方案，但数据帧的标头丢失了。不过很容易修复：B = A.apply(lambda x: pd.DataFrame([[x.A_1,0,0],[0, x.B_1, x.B_2]], columns=A.columns), axis=1).tolist()
感谢你们的建议，我也会检查如何将其添加到我的函数中！
哪种方法最适合您的需求，请考虑接受答案。

【解决方案2】：

替代解决方案：

B = pd.DataFrame(data=np.repeat(A.values, 2, axis=0), columns=A.columns)
B.loc[1::2, 'A_1'] = 0
B.loc[::2 ,['B_1', 'B_2']] = 0
B = [B.iloc[i:i+2, :] for i in range(0, len(B), 2)]

【讨论】：

感谢您的输入，我将尝试将此方法添加到我的函数中