我有一个包含 9,000 列和 100 行的数据框。我想在每 3 列之后插入一列，使其值对于所有行都等于 50。
现有数据帧
0 1 2 3 4 5 6 7 8 9....9000
0 a b c d e f g h i j ....x
1 k l m n o p q r s t ....x
.
.
100 u v w x y z aa bb cc....x
所需的数据帧
0 1 2 3 4 5 6 7 8 9....12000
0 a b c 50 d e f 50 g h i j ....x
1 k l m 50 n o p 50 q r s t ....x
.
.
100 u v w 50 x y z 50 aa bb cc....x
【问题讨论】：
通过索引每个3rd 列创建新的DataFrame，添加.5 以进行正确排序并使用concat 添加到原始：
df.columns = np.arange(len(df.columns))
df1 = pd.DataFrame(50, index=df.index, columns= df.columns[2::3] + .5)
df2 = pd.concat([df, df1], axis=1).sort_index(axis=1)
df2.columns = np.arange(len(df2.columns))
print (df2)
0 1 2 3 4 5 6 7 8 9 10 11 12
0 a b c 50 d e f 50 g h i 50 j
1 k l m 50 n o p 50 q r s 50 t
【讨论】：
df1 = pd.DataFrame(50, index=df.index, columns= df.columns[df.columns % 3 == 2] + .5) 呢？
df.columns = np.arange(len(df.columns))重置列
sort_index 中的默认方法是 quicksort，如果更改为 sort_index(kind='mergesort')，我认为它应该被删除
. mergesort is the only stable algorithm. For DataFrames, this option is only applied when sorting on a single column or label. - DataFrame.sort_index
# How many columns to group
x = 3
# Get the shape of things
a = df.to_numpy()
m, n = a.shape
k = n // x
# Get only a multiple of x columns and reshape
b = a[:, :k * x].reshape(m, k, x)
# Get the other columns missed by b
c = a[:, k * x:]
# array of 50's that we'll append to the last dimension
_50 = np.ones((m, k, 1), np.int64) * 50
# append 50's and reshape back to 2D
d = np.append(b, _50, axis=2).reshape(m, k * (x + 1))
# Create DataFrame while appending the missing bit
pd.DataFrame(np.append(d, c, axis=1))
0 1 2 3 4 5 6 7 8 9 10 11 12
0 a b c 50 d e f 50 g h i 50 j
1 k l m 50 n o p 50 q r s 50 t
df = pd.DataFrame(np.reshape([*'abcdefghijklmnopqrst'], (2, -1)))
【讨论】：
所以这里有一个解决方案
s=pd.concat([y.assign(new=50) for x, y in df.groupby(np.arange(df.shape[1])//3,axis=1)],axis=1)
s.columns=np.arange(s.shape[1])
【讨论】：
ValueError: Grouper and axis must be same length。我不明白数组分组的作用..