pandas：根据条件有效地进行多行播放

Question

我正在尝试根据条件列在DataFrame 中乘以一行。

例如，当条件列中的值为2时，我想用两个相同的行替换该行并将每个新行中的条件设置为1。

示例数据框：

df = pd.DataFrame({'k': ['K0', 'K1', 'K1', 'K2'],
              'condition': [1, 1, 3, 2],
              's': ['a', 'b', 'c', 'd']})


    condition   k  s
            1  K0  a
            1  K1  b
            3  K1  c
            2  K2  d 

想要的结果：

  condition   k  s
          1  K0  a
          1  K1  b
          1  K1  c
          1  K1  c
          1  K1  c  
          1  K2  d
          1  K2  d  

这个操作能否有效地完成inplace，而不创建一个临时的df？

Answer 1

更快的是使用loc和np.repeat：

df = df.loc[np.repeat(df.index.values,df.condition)].reset_index(drop=True)
df['condition'] = 1
print df
   condition   k  s
0          1  K0  a
1          1  K1  b
2          1  K1  c
3          1  K1  c
4          1  K1  c
5          1  K2  d
6          1  K2  d

另一种解决方案是groupby 和concat，最后在condition 到1 列中设置值，但速度较慢：

df = df.groupby('condition', as_index=False, sort=False)
        .apply(lambda x: pd.concat([x]*x.condition.values[0], ignore_index=True))
        .reset_index(drop=True)
df['condition'] = 1
print df
   condition   k  s
0          1  K0  a
1          1  K1  b
2          1  K1  c
3          1  K1  c
4          1  K1  c
5          1  K2  d
6          1  K2  d

时间安排：

In [917]: %timeit df.loc[np.repeat(df.index.values,df.condition)].reset_index(drop=True)
The slowest run took 4.55 times longer than the fastest. This could mean that an intermediate result is being cached 
1000 loops, best of 3: 1.04 ms per loop

In [918]: %timeit df.groupby('condition', as_index=False, sort=False).apply(lambda x: pd.concat([x]*x.condition.values[0], ignore_index=True)).reset_index(drop=True)
100 loops, best of 3: 7.78 ms per loop