Как заполнить строки повторяющимися данными в pandas?

В R при добавлении новых данных с неравной длиной в кадр данных значения повторяются для заполнения кадра данных:

df <- data.frame(first=c(1,2,3,4,5,6))
df$second <- c(1,2,3)

получая:

  first second
1     1      1
2     2      2
3     3      3
4     4      1
5     5      2
6     6      3

Однако pandas требует равных длин индекса.

Как мне "заполнить" повторяющиеся данные в pandas, как я могу в R?

Ответ 1

Кажется, нет элегантного способа. Это обходной путь, который я только что понял. В основном создайте повторяющийся список, который больше, чем исходный фреймворк данных, а затем присоедините их к ним.

import pandas
df = pandas.DataFrame(range(100), columns=['first'])
repeat_arr = [1, 2, 3]
df = df.join(pandas.DataFrame(repeat_arr * (len(df)/len(repeat_arr)+1),
    columns=['second']))

Ответ 2

Метод цикла из itertools хорош для повторения общего шаблона.

from itertools import cycle

seq = cycle([1, 2, 3])
df['Seq'] = [next(seq) for count in range(df.shape[0])]

Ответ 3

import pandas as pd
import numpy as np

def put(df, column, values):
    df[column] = 0
    np.put(df[column], np.arange(len(df)), values)

df = pd.DataFrame({'first':range(1, 8)})    
put(df, 'second', [1,2,3])

дает

   first  second
0      1       1
1      2       2
2      3       3
3      4       1
4      5       2
5      6       3
6      7       1

Не особенно красиво, но одна "особенность", которой он обладает, заключается в том, что вам не нужно беспокоиться, если длина DataFrame кратна длине повторяющихся значений. np.put повторяет значения по мере необходимости.


Мой первый ответ был:

import itertools as IT
df['second'] = list(IT.islice(IT.cycle([1,2,3]), len(df)))

но оказывается, что это значительно медленнее:

In [312]: df = pd.DataFrame({'first':range(10**6)})

In [313]: %timeit df['second'] = list(IT.islice(IT.cycle([1,2,3]), len(df)))
10 loops, best of 3: 143 ms per loop

In [316]: %timeit df['second'] = 0; np.put(df['second'], np.arange(N), [1,2,3])
10 loops, best of 3: 27.9 ms per loop

Ответ 4

Как обычно вы ищете решение? Я попытался сделать это немного менее жестко:

import numpy as np
import pandas 

df = pandas.DataFrame(np.arange(1,7), columns=['first'])

base = [1, 2, 3]
df['second'] = base * (df.shape[0]/len(base))
print(df.to_string())


   first  second
0      1       1
1      2       2
2      3       3
3      4       1
4      5       2
5      6       3

Ответ 5

В моем случае мне нужно было повторить значения, не зная длины суб-списка, т.е. проверяя длину каждой группы. Это было мое решение:

import numpy as np
import pandas 

df = pandas.DataFrame(['a','a','a','b','b','b','b'], columns=['first'])

list = df.groupby('first').apply(lambda x: range(len(x))).tolist()
loop = [val for sublist in list for val in sublist]
df['second']=loop

df
  first  second
0     a       0
1     a       1
2     a       2
3     b       0
4     b       1
5     b       2
6     b       3

Ответ 6

Вероятно, неэффективно, но здесь вроде чистого решения панд.

import numpy as np
import pandas as pd

base = [1,2,3]
df = pd.DataFrame(data = None,index = np.arange(10),columns = ["filler"])
df["filler"][:len(base)] = base

df["tmp"] = np.arange(len(df)) % len(base)
df["filler"] = df.sort_values("tmp")["filler"].ffill() #.sort_index()
print(df)

Ответ 7

Вы можете попробовать использовать силу по модулю (%). Вы можете взять значение (или индекс) первого и использовать длину секунды в качестве модуля, чтобы получить искомое значение (или индекс). Что-то вроде:

df = pandas.DataFrame([0,1,2,3,4,5], columns=['first'])
sec = [0,1,2]
df['second'] = df['first'].apply(lambda x: x % len(sec) )
print(df)
   first  second
0      0       0
1      1       1
2      2       2
3      3       0
4      4       1
5      5       2

Надеюсь, это поможет.