根据另一列中的 INT 创建 N 行

Posted 2023-03-11

【中文标题】根据另一列中的 INT 创建 N 行

【英文标题】：Create N number of rows depeding on INT in another column

【发布时间】：2021-03-02 05:59:06

【问题描述】：

我有一个如下所示的数据框。

unique_key   #rows_needed  avalue
a                 2          1000
b                 1          1000
c                 5          2500
d                18          10000

我正在尝试根据 rows_needed 的数量创建一个看起来像这样的日期框架，并根据 rows_needed 列计算 avg(avalue)。

unique_key   #rows_needed   avg(avalue)
a                 2          500
a                 2          500
b                 1          1000
c                 5          500
c                 5          500
c                 5          500
c                 5          500
c                 5          500
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556
d                18          555.556

我查看了 pandas 中的 melt 功能，但我不相信它会起作用。任何帮助表示赞赏。

【问题讨论】：

废话我正在编辑帖子。

df['avg'] = df['avalue']/df['rowsneeded'] 怎么样？

@Ajay 我编辑了帖子

如何制作一个数字列表，例如：5 -> [5,5,5,5,5]？ ***.com/questions/14059094/…（任何 lambda 都可以）然后您可以取消嵌套此 ***.com/questions/48197234/… 并最终应用除法？

【参考方案1】：

更新：

explode 方法是一种简单的方法：

import numpy as np
import pandas as pd
df = pd.DataFrame('key': ['a', 'b'], 'rowsneeded': [3, 4], 'val': [100,600])
df['eachval'] = df.val/df.rowsneeded
df['key'] = [[k] * r for k, r in zip(df.key, df.rowsneeded)] 
df = df.explode('key')

原答案：

您可以用重复的值制作另一个表格并将其合并到原始表格：

import numpy as np
import pandas as pd
df = pd.DataFrame('key': ['a', 'b'], 'rowsneeded': [3, 4], 'val': [100,600])

repeated_vals = [[k] * r for k, r in zip(df.key, df.rowsneeded)] 
flat_list = [item for sublist in repeated_vals  for item in sublist]
df['eachval'] = df.val/df.rowsneeded
df = pd.DataFrame(flat_list, columns=['key']).merge(df, how='left', on='key')

【讨论】：

嗯，如果键多于一个字符 ['aa','bb'] 这不起作用。它的方向是正确的，我很感激:)

repeated_vals = [[s] * n for s, n in zip(df2.key.values, df2.rowsneeded.values)] 这是我用来克服遇到的障碍的方法。

我正要说我修复了我的答案来做同样的事情；见上文。

我实际上学到了一种更好的技术，我会推荐使用爆炸。请参阅上面的编辑。