熊猫数据框如何用多个替换单列答案

【问题标题】：Pandas dataframe how to replace single column with multiple熊猫数据框如何用多个替换单列
【发布时间】：2020-11-15 06:34:37
【问题描述】：

例如，我有一个如下数据框：

col1 col2 col3
0    2    1

我想替换它以便

{0: [a,b], 1: [c,d], 2: [e, f]}

所以我想最终得到这样的数据框：

col1 col1b col2 col2b col3 col3b
a    b     e    f     c    d

我想在转换后将这些数据输入到 tensorflow 中，所以如果 tensorflow 可以接受，下面的输出也可能是可以接受的？

col1  col2  col3
[a,b] [e,f] [c,d]

以下是我当前的代码：

field_names = ["elo", "map", "c1", "c2", "c3", "c4", "c5", "e1", "e2", "e3", "e4", "e5", "result"]
df_train = pd.read_csv('input/match_results.csv', names=field_names, skiprows=1, usecols=range(2, 13))

for count in range(1, 6):
    str_count = str(count)
    df_train['c' + str_count] = df_train['c' + str_count].map(champ_dict)

【问题讨论】：

好的，所以只需 map 值
你需要添加一个更好的例子，这些列中的值会发生什么？你想要重复还是 NaN ？就个人而言，我认为这对于多索引列结构来说是一个很好的案例。无论如何，请参阅 minimal reproducible example 和 How to Ask
删除标签machine-learning和artificial-intelligence，因为它们与问题无关。
@Manakin 我在 OP 中添加了列。
@roganjosh 我知道我可以使用 map 但如何让它扩大列数？我最终将其输入到 tensorflow 中，所以我可以将它们映射为每列是一个数组而不是每列一个值，或者 tensorflow 不接受吗？到目前为止，每次我运行 tensorflow 时，它似乎只需要每列的整数而不是整数数组。

标签： python pandas tensorflow

【解决方案1】：

IIUC，您可以使用 .stack .map 和 .cumcount 来重塑您的数据框和索引。

import pandas as pd
from string import ascii_lowercase

col_dict = dict(enumerate(ascii_lowercase))
map_dict = {0: ['a','b'], 1: ['c','d'], 2: ['e', 'f']}

s = df.stack().map(map_dict).explode().reset_index()
s['level_1'] = s['level_1'] +  s.groupby(['level_1','level_0']).cumcount().map(col_dict)




df_new = s.set_index(['level_0','level_1']).unstack(1).droplevel(0,1).reset_index(drop=True)

print(df_new)

level_1  col1a col1b col2a col2b col3a col3b
0           a     b     e     f     c     d

【讨论】：