如何在 Pandas 中复制行？

Posted 2023-03-31

【中文标题】如何在 Pandas 中复制行？

【英文标题】：How can I replicate rows in Pandas?

【发布时间】：2018-11-20 03:49:59

【问题描述】：

我的 pandas 数据框如下所示：

   Person  ID   ZipCode   Gender
0  12345   882  38182     Female
1  32917   271  88172     Male
2  18273   552  90291     Female

我想将每一行复制 3 次，例如：

   Person  ID   ZipCode   Gender
0  12345   882  38182     Female
0  12345   882  38182     Female
0  12345   882  38182     Female
1  32917   271  88172     Male
1  32917   271  88172     Male
1  32917   271  88172     Male
2  18273   552  90291     Female
2  18273   552  90291     Female
2  18273   552  90291     Female

当然，将索引重置为：

0
1
2
...

我尝试了以下解决方案：

pd.concat([df[:5]]*3, ignore_index=True)

还有：

df.reindex(np.repeat(df.index.values, df['ID']), method='ffill')

但它们都不起作用。

【问题讨论】：

我认为索引是自动生成的。除非您将其设为数据框的字段，否则无法更改。无论如何，它是一个索引。必须是独一无二的。

pd.concat([df[:5]]*3, ignore_index=True) 为我工作，你能显示你的 df.index 吗，如果你的索引有问题，下面的解决方案可能不起作用。

对不起，我会澄清一下，pd.concat([df[:5]]*3, ignore_index=True) 有效，但它将行添加到数据帧的末尾，而不是一个接一个地有 3 个重复的行 `

【参考方案1】：

使用np.repeat:

版本 1：

尝试使用np.repeat：

newdf = pd.DataFrame(np.repeat(df.values, 3, axis=0))
newdf.columns = df.columns
print(newdf)

上面的代码会输出：

  Person   ID ZipCode  Gender
0  12345  882   38182  Female
1  12345  882   38182  Female
2  12345  882   38182  Female
3  32917  271   88172    Male
4  32917  271   88172    Male
5  32917  271   88172    Male
6  18273  552   90291  Female
7  18273  552   90291  Female
8  18273  552   90291  Female

np.repeat 重复df、3 的值。

然后我们添加分配new_df.columns = df.columns的列。

版本 2：

您也可以在第一行指定列名，如下所示：

newdf = pd.DataFrame(np.repeat(df.values, 3, axis=0), columns=df.columns)
print(newdf)

上面的代码也会输出：

  Person   ID ZipCode  Gender
0  12345  882   38182  Female
1  12345  882   38182  Female
2  12345  882   38182  Female
3  32917  271   88172    Male
4  32917  271   88172    Male
5  32917  271   88172    Male
6  18273  552   90291  Female
7  18273  552   90291  Female
8  18273  552   90291  Female

【参考方案2】：

这些将重复索引并保留操作演示的列

iloc 版本 1

df.iloc[np.arange(len(df)).repeat(3)]

---

iloc 第 2 版

df.iloc[np.arange(len(df) * 3) // 3]

【讨论】：

这对于具有 MultiIndex 值的数据帧来说就像一个魅力，而接受的解决方案似乎并非如此。后者无法处理 MultiIndexing。

【参考方案3】：

使用concat：

pd.concat([df]*3).sort_index()
Out[129]: 
   Person   ID  ZipCode  Gender
0   12345  882    38182  Female
0   12345  882    38182  Female
0   12345  882    38182  Female
1   32917  271    88172    Male
1   32917  271    88172    Male
1   32917  271    88172    Male
2   18273  552    90291  Female
2   18273  552    90291  Female
2   18273  552    90291  Female

【参考方案4】：

你可以这样做。

def do_things(df, n_times):
    ndf = df.append(pd.DataFrame('name' : np.repeat(df.name.values, n_times) ))
    ndf = ndf.sort_values(by='name')
    ndf = ndf.reset_index(drop=True)
    return ndf

if __name__ == '__main__':
    df = pd.DataFrame('name' : ['Peter', 'Quill', 'Jackson']) 
    n_times = 3
    print do_things(df, n_times)

还有解释...

import pandas as pd
import numpy as np

n_times = 3
df = pd.DataFrame('name' : ['Peter', 'Quill', 'Jackson'])
#       name
# 0    Peter
# 1    Quill
# 2  Jackson

#   Duplicating data.
df = df.append(pd.DataFrame('name' : np.repeat(df.name.values, n_times) ))
#       name
# 0    Peter
# 1    Quill
# 2  Jackson
# 0    Peter
# 1    Peter
# 2    Peter
# 3    Quill
# 4    Quill
# 5    Quill
# 6  Jackson
# 7  Jackson
# 8  Jackson

#   The DataFrame is sorted by 'name' column.
df = df.sort_values(by=['name'])
#       name
# 2  Jackson
# 6  Jackson
# 7  Jackson
# 8  Jackson
# 0    Peter
# 0    Peter
# 1    Peter
# 2    Peter
# 1    Quill
# 3    Quill
# 4    Quill
# 5    Quill

#   Reseting the index.
#   You can play with drop=True and drop=False, as parameter of `reset_index()`
df = df.reset_index()
#     index     name
# 0       2  Jackson
# 1       6  Jackson
# 2       7  Jackson
# 3       8  Jackson
# 4       0    Peter
# 5       0    Peter
# 6       1    Peter
# 7       2    Peter
# 8       1    Quill
# 9       3    Quill
# 10      4    Quill
# 11      5    Quill

【参考方案5】：

你可以试试下面的代码：

df = df.iloc[df.index.repeat(3),:].reset_index()

df.index.repeat(3) 将创建一个列表，其中每个索引值将重复 3 次，df.iloc[df.index.repeat(3),:] 将帮助生成一个数据框，其中的行与此列表返回的行完全相同。