根据不同列中的值重复行答案

【问题标题】：Duplicate row based on value in different column根据不同列中的值重复行
【发布时间】：2020-05-28 02:28:15
【问题描述】：

我有一个交易数据框。每行代表两个项目的交易（将其想象为 2 个活动门票或其他东西的交易）。我想根据销售的数量复制每一行。

下面是示例代码：

# dictionary of transactions

d = {
    '1': ['20',  'NYC', '2'],
    '2': ['30',  'NYC', '2'],
    '3': ['5',   'NYC', '2'],
    '4': ['300', 'LA',  '2'],
    '5': ['30',  'LA',  '2'],
    '6': ['100', 'LA',  '2']
}

columns=['Price', 'City', 'Quantity']

# create dataframe and rename columns

df = pd.DataFrame.from_dict(
    data=d, orient='index'
)
df.columns = columns

这会产生一个看起来像这样的数据框

Price   City    Quantity
20       NYC         2
30       NYC         2
5        NYC         2
300      LA          2
30       LA          2
100      LA          2

所以在上面的例子中，每一行都会变成两个重复的行。如果“数量”列为 3，则该行将转换为三个重复行。

【问题讨论】：

stackoverflow.com/help/mcve -- 您为此编写的代码在哪里，得到了什么输出？您已经很好地描述了所需的输出，但是这似乎没有 StackOverflow 问题。请记住，SO 是用于代码修复而不是代码设计和编写。
@Prune 我不同意，这似乎符合特定编程问题的描述。 OP 可以使用一些指导来确定解决该问题的有效方法。有时，一个人甚至不知道从哪里开始，一个丑陋的解决方案只会使问题变得混乱并浪费每个人的时间。
我很欣赏@Prune 的建议，我大体上同意它。我认为这是过滤纯粹懒惰问题的好方法。虽然这个问题确实让我感到困惑，但我无法为解决方案提供一个有意义的起点。

标签： python pandas

【解决方案1】：

使用repeat回答

df.loc[df.index.repeat(df.Quantity)]
Out[448]: 
  Price City Quantity
1    20  NYC        2
1    20  NYC        2
2    30  NYC        2
2    30  NYC        2
3     5  NYC        2
3     5  NYC        2
4   300   LA        2
4   300   LA        2
5    30   LA        2
5    30   LA        2
6   100   LA        2
6   100   LA        2

【讨论】：

无意冒犯其他贡献者，但我认为这应该是公认的答案:)
但它可以使用更多信息，至少a link to the docs。

【解决方案2】：

首先，我使用整数而不是文本重新创建了您的数据。我还改变了数量，以便人们更容易理解问题。

d = {1: [20, 'NYC', 1], 2: [30, 'NYC', 2], 3: [5, 'SF', 3],      
     4: [300, 'LA', 1], 5: [30, 'LA', 2],  6: [100, 'SF', 3]}

columns=['Price', 'City', 'Quantity'] 
# create dataframe and rename columns

df = pd.DataFrame.from_dict(data=d, orient='index').sort_index()
df.columns = columns

>>> df
   Price City  Quantity
1     20  NYC         1
2     30  NYC         2
3      5   SF         3
4    300   LA         1
5     30   LA         2
6    100   SF         3

我使用嵌套列表理解结构创建了一个新的 DataFrame。

df_new = pd.DataFrame([df.ix[idx] 
                       for idx in df.index 
                       for _ in range(df.ix[idx]['Quantity'])]).reset_index(drop=True)
>>> df_new
    Price City  Quantity
0      20  NYC         1
1      30  NYC         2
2      30  NYC         2
3       5   SF         3
4       5   SF         3
5       5   SF         3
6     300   LA         1
7      30   LA         2
8      30   LA         2
9     100   SF         3
10    100   SF         3
11    100   SF         3

【讨论】：

谢谢。当我在实际数据上尝试时，我得到一个“TypeError：无法将系列转换为 ”，与第二个 for 循环“for _ in range(df.ix[idx]['Quantity'] )"。
试试这个：for _ in range(int(df.ix[idx]['Quantity'])) 你也可以将列显式转换为整数：df['Quantity'] = dfQuantity.astype(int)
好的，我让它工作了。在我的数据集中，索引是一个日期时间序列，其中缺少一些日期（不确定是否相关）。当我将索引设置为像上面示例中那样的常规连续整数时，它起作用了。供您参考，当我运行 df.Quantity.unique() 时，我得到 "array([ 2, 4, 3, 1, 6, 5, 7, 8, 10, 9, 14, 12], dtype=int64)" .非常感谢您的帮助。
是的。在这种情况下，您可能应该以 df.reset_index(inplace=True) 开头。
顺便说一句，你帮我回答了我关于 SO 的最后一个问题。我真的很感激。

【解决方案3】：

这种方法怎么样。我稍微更改了您的数据，以调用 4 张门票的销售。

我们使用一个帮助器 np.ones() 数组，大小合适，然后关键代码行是：a[np.arange(a.shape[1])[:] > a[:,0,np.newaxis]] = 0

我在这里看到了这种技术：numpy - update values using slicing given an array value

然后只需调用.stack() 并完成一些基本过滤即可。

d = {'1': ['20', 'NYC', '2'], '2': ['30', 'NYC', '2'], '3': ['5', 'NYC', '2'], \
     '4': ['300', 'LA', '2'], '5': ['30', 'LA', '4'],  '6': ['100', 'LA', '2']}

columns=['Price', 'City', 'Quantity']
df = pd.DataFrame.from_dict(data=d, orient='index')
df.columns = columns
df['Quantity'] = df['Quantity'].astype(int)

# make a ones array 
my_ones = np.ones(shape=(len(df),df['Quantity'].max()))

# turn my_ones into a dataframe same index as df so we can join it to the right hand side. Plenty of other ways to achieve the same outcome. 
df_my_ones = pd.DataFrame(data =my_ones,index = df.index)

df = df.join(df_my_ones)

看起来像：

  Price City  Quantity  0  1  2  3
1    20  NYC         2  1  1  1  1
3     5  NYC         2  1  1  1  1
2    30  NYC         2  1  1  1  1
5    30   LA         4  1  1  1  1
4   300   LA         2  1  1  1  1

现在将 Quantity 列和这些列放入一个 numpy 数组中

a = df.iloc[:,2:].values

这是聪明的一点

a[np.arange(a.shape[1])[:] > a[:,0,np.newaxis]] = 0

并重新分配回 df。

df.iloc[:,2:] = a

现在 df 如下所示，请注意我们如何将 Quantity 中的数字设置为零：

  Price City  Quantity  0  1  2  3
1    20  NYC         2  1  1  0  0
3     5  NYC         2  1  1  0  0
2    30  NYC         2  1  1  0  0
5    30   LA         4  1  1  1  1
4   300   LA         2  1  1  0  0

df.set_index(['Price','City','Quantity'],inplace=True)
df =  df.stack().to_frame()
df.columns = ['sale_flag']
df.reset_index(inplace=True)
print df[['Price','City', 'Quantity']][df['sale_flag'] !=0]
print df

产生：

Price City  Quantity
0     20  NYC         2
1     20  NYC         2
4      5  NYC         2
5      5  NYC         2
8     30  NYC         2
9     30  NYC         2
12    30   LA         4
13    30   LA         4
14    30   LA         4
15    30   LA         4
16   300   LA         2
17   300   LA         2

【讨论】：

非常有创意的解决方案！我将不得不更仔细地检查它。检查下面的其他响应以获取不同的方法。非常感谢你的帮助。非常感谢。