Pandas 如果一个列值在一个数据帧中没有一定数量的出现，如何用该列值复制所有行？

这是我的数据帧

    A   B
0   a   5
1   b   2
2   d   5
3   g   3
4   m   2
5   c   0
6   u   5
7   p   3
8   q   1
9   z   1

如果列B中某个特定值的数量没有特定的出现次数，我想复制所有具有该特定值的行

对于上述df，假设该特定值为3。如果列B的值小于3，则具有该列值的所有行都将被复制。因此，列值为0、1和2的行是重复的，但列b值为5的行不是

预期结果：

    A   B
0   a   5
1   b   2
2   d   5
3   g   3
4   m   2
5   c   0
6   u   5
7   p   3
8   q   1
9   z   1
10   b   2
11   m   2
12   g   3
13   p   3
14   c   0
15   c   0

这是我的方法

输出

如果我们不想复制，而是想乘以一个因子d， 我们必须作出以下修改：

n = 3
d = 2

m_ffill = notNaN_count.mul(d).lt(n)
repeats = notNaN_count.lt(n).mul(~m_ffill).mul(d).clip(lower = 1)

编辑

---

那么，重要的是价值或价值本身的出现次数？我正在为机器学习模型创建训练数据。数据集不平衡；一个类有很多数据点，但另一个类的数据点很少，因此我需要为样本数很少的数据点增加数据。如果其他值有多个列，我们将如何更改它。就像A列和其他东西一样，当我尝试我的数据时，我得到ValueError：函数不会减少。我一直在想到底出了什么问题。dfshuff.assigncolumns=dfshuff.groupby'Cat_ID'。cumcount似乎工作正常。因此，问题发生在pivot表的某个地方：.pivot_tablecolumns='columns'。

    A  B
0   c  0
1   c  0
2   c  0
3   q  1
4   z  1
5   q  1
6   z  1
7   b  2
8   m  2
9   b  2
10  m  2
11  g  3
12  p  3
13  g  3
14  p  3
15  a  5
16  d  5
17  u  5

n = 3
d = 2

m_ffill = notNaN_count.mul(d).lt(n)
repeats = notNaN_count.lt(n).mul(~m_ffill).mul(d).clip(lower = 1)

n=3 #threshold
d = 2
values = df.columns.difference(['B'])
df2 = (df.assign(columns = df.groupby('B').cumcount())
         .pivot_table(columns = 'columns',
                      index = 'B',
                      values = values,
                      aggfunc = 'first'))

r = max(n,len(df2.columns.get_level_values('columns').unique()))
df2 = df2.reindex(columns = range(r),level = 'columns')


notNaN_count = df2.count(axis=1).div(len(values))
m_ffill = notNaN_count.mul(d).lt(n)
repeats = notNaN_count.lt(n).mul(~m_ffill).mul(d).clip(lower = 1)


new_df = (df2.T
             .groupby(level=0)
             .ffill()
             .T
             .where(m_ffill,df2)
             .reindex(index = df2.index.repeat(repeats))
             .stack()
             .reset_index()
             .loc[:,df.columns]
         )