根据列中的值重复行

Posted 2023-03-11

【中文标题】根据列中的值重复行

【英文标题】：Duplicate rows, according to value in a column

【发布时间】：2018-11-20 14:54:25

【问题描述】：

我想读取一个 Excel 文件，并希望我的代码根据该 excel 文件中某一列中的值复制行。

例如

    Col 1  Col 2
0   Adam      3
1  Sarah      2
2   John      0

我希望我的代码读取上述文件并复制 Adam 的行 3 次和 Sarah 的行 2 次并导出到一个新文件中。

【参考方案1】：

如果删除RangeIndex，则使用repeat 和loc：

print (df.index.repeat(df['Col 2']))
Int64Index([0, 0, 0, 1, 1], dtype='int64')

df = df.loc[df.index.repeat(df['Col 2'])].reset_index(drop=True)
print (df)
   Col 1  Col 2
0   Adam      3
1   Adam      3
2   Adam      3
3  Sarah      2
4  Sarah      2

然后：

df.to_csv(file, index=False)

重复索引或DatetimeIndex 的一般解决方案是重复由numpy.arange 创建的numpy 数组，并由iloc 按位置选择：

df = df.iloc[np.arange(len(df)).repeat(df['Col 2'])].reset_index(drop=True)

编辑：

没有np.repeat的解决方案：

df =df.loc[[c for a, b in zip(df.index, df['Col 2']) for c in [a] * b]].reset_index(drop=True)
print (df)
   Col 1  Col 2
0   Adam      3
1   Adam      3
2   Adam      3
3  Sarah      2
4  Sarah      2

【讨论】：

感谢 Jezrael 的帮助，但我收到 TypeError - TypeError: Cannot cast array data from dtype('int64') to dtype('int32') 根据规则“安全”跨度>

试试df.loc[df.index.repeat(df['Col 2']).astype(np.int64)].reset_index(drop=True)

import pandas as pd import numpy as np 这是我正在使用的代码，但仍然出现类型错误。 readFile = pd.read_csv('test.csv') df = pd.DataFrame(readFile) x = df.loc[df.index.repeat(df['Col 2']).astype(np.int64)].reset_index (drop=True) 打印(x)

@Mob - 看起来像 pandas 版本问题，你的 pandas 版本是什么？

@Mob - 添加了没有np.repeat的解决方案

【参考方案2】：

解决这个问题的另一种方法，

pd.merge(pd.DataFrame(df['Col 1'].repeat(df['Col 2'])),df,on=['Col 1'])

【讨论】：

虽然这段代码 sn-p 可以解决问题，但including an explanation 确实有助于提高帖子的质量。请记住，您是在为将来的读者回答问题，而这些人可能不知道您提出代码建议的原因。