如何根据特定条件添加行？答案

【问题标题】：How to add rows based on a certain condition?如何根据特定条件添加行？
【发布时间】：2019-08-25 22:21:26
【问题描述】：

我正在尝试根据表中的商家 ID 添加 10 行。这是原始表 -

id    email    trend_type
1    abc@xyz.com 
2    cdsm@kcmd.com

这就是我想要创造的——

id    email    trend_type
1    abc@xyz.com   Bill 
1    abc@xyz.com   Visits
1    abc@xyz.com   Avg. Visits
1    abc@xyz.com   abc 
1    abc@xyz.com   mcd        
1    abc@xyz.com   mckfd      
1    abc@xyz.com   mfd        
1    abc@xyz.com   aps        
1    abc@xyz.com   mvmv       
1    abc@xyz.com   dep  
2    cdsm@kcmd.com Bill
2    cdsm@kcmd.com Visits    
.    .....         ...
.    .....         ...

我想将 10 种不同的趋势类型添加到一个 ID 和电子邮件组合中。我创建了所有趋势类型的数组，并尝试使用嵌套的 for 循环，但没有成功。真的可以使用一些帮助。

【问题讨论】：

标签： python pandas data-cleaning

【解决方案1】：

使用Index.repeat 和DataFrame.assign：

trends = ['Bill','Visits', 'Avg. Visits','abc',
          'mcd', 'mckfd', 'mfd', 'aps', 'mvmv', 'dep']

df_new = df.loc[df.index.repeat(len(trends))].assign(trend_type=trends * len(df))
print(df_new)

   id          email   trend_type
0   1    abc@xyz.com         Bill
0   1    abc@xyz.com       Visits
0   1    abc@xyz.com  Avg. Visits
0   1    abc@xyz.com          abc
0   1    abc@xyz.com          mcd
0   1    abc@xyz.com        mckfd
0   1    abc@xyz.com          mfd
0   1    abc@xyz.com          aps
0   1    abc@xyz.com         mvmv
0   1    abc@xyz.com          dep
1   2  cdsm@kcmd.com         Bill
1   2  cdsm@kcmd.com       Visits
1   2  cdsm@kcmd.com  Avg. Visits
1   2  cdsm@kcmd.com          abc
1   2  cdsm@kcmd.com          mcd
1   2  cdsm@kcmd.com        mckfd
1   2  cdsm@kcmd.com          mfd
1   2  cdsm@kcmd.com          aps
1   2  cdsm@kcmd.com         mvmv
1   2  cdsm@kcmd.com          dep

【讨论】：

【解决方案2】：

将product 与DataFrame.join 一起使用：

from  itertools import product

#add all types
types = ['Bill','Visits','Avg. Visits']
s = pd.DataFrame(list(product(df.index, types))).set_index(0)[1].rename('trend_type')
df = df.join(s).reset_index(drop=True)
print (df)
   id          email   trend_type
0   1    abc@xyz.com         Bill
1   1    abc@xyz.com       Visits
2   1    abc@xyz.com  Avg. Visits
3   2  cdsm@kcmd.com         Bill
4   2  cdsm@kcmd.com       Visits
5   2  cdsm@kcmd.com  Avg. Visits

【讨论】：

【解决方案3】：

也许你可以使用那种东西：

d = {'email':'blabla.bloblo@blublu.com',
    'trend_type':['bill','visits','abc', 'mcd', 'etc']}
data = pd.DataFrame(d)

您只需要在字典中添加更多条目并更新趋势列表 =)

希望对你有帮助！

【讨论】：