将熊猫数据框附加到列答案

【问题标题】：append pandas dataframe to column将熊猫数据框附加到列
【发布时间】：2017-03-03 20:44:53
【问题描述】：

我被困住了，需要一些帮助。我有以下数据框：

+-----+---+---+--+--+
|     | A | B |  |  |
+-----+---+---+--+--+
| 288 | 1 | 4 |  |  |
+-----+---+---+--+--+
| 245 | 2 | 3 |  |  |
+-----+---+---+--+--+
| 543 | 3 | 6 |  |  |
+-----+---+---+--+--+
| 867 | 1 | 9 |  |  |
+-----+---+---+--+--+
| 345 | 2 | 7 |  |  |
+-----+---+---+--+--+
| 122 | 3 | 8 |  |  |
+-----+---+---+--+--+
| 233 | 1 | 1 |  |  |
+-----+---+---+--+--+
| 346 | 2 | 6 |  |  |
+-----+---+---+--+--+
| 765 | 3 | 3 |  |  |
+-----+---+---+--+--+

A 列有重复值，如图所示。我想要做的是每次我在 A 列中看到重复值时，我想将一个新列与 B 列中的相应值追加为 C 列，如下所示：

+-----+---+---+-----+
|     | A | B | C   |
+-----+---+---+-----+
| 288 | 1 | 4 | 9   |
+-----+---+---+-----+
| 245 | 2 | 3 | 7   |
+-----+---+---+-----+
| 543 | 3 | 6 | 8   |
+-----+---+---+-----+
| 867 | 1 | 9 | 1   |
+-----+---+---+-----+
| 345 | 2 | 7 | 6   |
+-----+---+---+-----+
| 122 | 3 | 8 | 3   |
+-----+---+---+-----+
| 233 | 1 | 1 | NaN |
+-----+---+---+-----+
| 346 | 2 | 6 | NaN |
+-----+---+---+-----+
| 765 | 3 | 3 | NaN |
+-----+---+---+-----+

谢谢。

【问题讨论】：

你的尝试在哪里？
听起来你最好的办法是操纵df.groupby('A')的输出

标签： python pandas jupyter-notebook

【解决方案1】：

假设val是重复值之一，

slice = df.loc[df.A == val, 'B'].shift(-1)

将创建一个单列数据框，其中的值重新索引到它们的新位置。

由于重新分配的索引值都不应该是多余的，您可以使用pandas.concat 将不同的切片拼接在一起，而不必担心丢失数据。然后将它们附加为新列：

df['C'] = pd.concat([df.loc[df['A'] == x, 'B'].shift(-1) for x in [1, 2, 3]])

分配列时，索引值将使所有内容对齐：

A  B    C
0  1  4  9.0
1  2  3  7.0
2  3  6  8.0
3  1  9  1.0
4  2  7  6.0
5  3  8  3.0
6  1  1  NaN
7  2  6  NaN
8  3  3  NaN

【讨论】：

【解决方案2】：

反转数据帧顺序，根据移位函数对其进行分组转换，然后将其反转：

df = df[::-1]
df['C'] = df.groupby(df.columns[0]).transform('shift')
df = df[::-1]
df

    A    B     C
0    1    4  9.0
1    2    3  7.0
2    3    6  8.0
3    1    9  1.0
4    2    7  6.0
5    3    8  3.0
6    1    1  NaN
7    2    6  NaN
8    3    3  NaN

【讨论】：