Python 2.7 如何将pandas数据帧与其自身合并，以具有唯一的标记行？

给定一个数据帧：

X =
+---+----------+---------+
|   | Value1   | Value2  |
+---+----------+---------+
| A |    1     |   NaN   |
| A |    2     |   NaN   |
| B |    0     |    0    |
+---+----------+---------+

我如何将其与自身“合并”，以便去掉具有相同标签“A”的两行，并生成以下内容：

X =
+---+----------+---------+----------+---------+
|   | Value1   | Value2  | Value1   | Value2  |
+---+----------+---------+----------+---------+
| A |    1     |   NaN   |    2     |   NaN   |
| B |    0     |    0    |   NaN    |   NaN   |
+---+----------+---------+----------+---------+

---

使用

cumcount

df.reset_index(inplace=True)
df['newkey']=df.groupby(df['index']).cumcount()
df.set_index(['index','newkey']).unstack().sort_index(level=1,axis=1)
Out[14]: 
       Value1 Value2 Value1 Value2
newkey      0      0      1      1
index                             
A         1.0    NaN    2.0    NaN
B         0.0    0.0    NaN    NaN

---

使用

cumcount

df.reset_index(inplace=True)
df['newkey']=df.groupby(df['index']).cumcount()
df.set_index(['index','newkey']).unstack().sort_index(level=1,axis=1)
Out[14]: 
       Value1 Value2 Value1 Value2
newkey      0      0      1      1
index                             
A         1.0    NaN    2.0    NaN
B         0.0    0.0    NaN    NaN

试试这个：

x['ind'] = x.index
x['test'] = x.groupby('ind')['Value1'].rank()
x = x[x['test'] == 1][['Value1', 'Value2']].merge(x[x['test'] != 1][['Value1', 'Value2']],
    left_index = True, right_index = True, how = 'outer')

输出：

   Value1_x  Value2_x  Value1_y  Value2_y
A         1       NaN       2.0       NaN
B         0       0.0       NaN       NaN

试试这个：

x['ind'] = x.index
x['test'] = x.groupby('ind')['Value1'].rank()
x = x[x['test'] == 1][['Value1', 'Value2']].merge(x[x['test'] != 1][['Value1', 'Value2']],
    left_index = True, right_index = True, how = 'outer')

输出：

   Value1_x  Value2_x  Value1_y  Value2_y
A         1       NaN       2.0       NaN
B         0       0.0       NaN       NaN

---

为什么要这样做？@BallpointBen下面的步骤是合并行索引上的数据帧，如果一个数据帧有重复的数据帧，这将无法正常工作。

pd.merge（left，right，how='left'，left_Index=True，right_Index=True）

不起作用？@BallpointBen我想只有当它是唯一“正确”的数据帧，即具有非唯一行索引的数据帧时，它才起作用。在我的例子中，我有很多数据帧，无法检查哪些数据帧是好的，因此我需要一种方法来概括这种行为为什么要这样做？@BallpointBen下面的步骤是在行索引上合并数据帧，如果一个数据帧有重复的数据帧，这将无法正常工作。

pd.merge（左，右，how='left'，左索引=真，右索引=真）

不起作用？@BallpointBen我想只有在“正确”的数据帧（具有非唯一行索引的数据帧）才起作用。在我的情况下，我有很多数据帧，无法检查哪些数据帧是好的，因此我需要一种方法来概括这种行为。这很好。但是结果数据帧的格式令人困惑。我如何转换数据帧将多索引返回到数据帧，删除新键名称？

df.columns=df.columns.get_level_values（0）

这很好。但是结果数据帧的格式令人困惑。如何将多索引转换回数据帧，删除新键名称？

df.columns=df.columns.get_level_values（0）

您可以替换

x['ind']=x.index；x['test']=x.groupby（'ind'）['Value1'].rank（）

with

x['test']=x.groupby（level=0）['Value1'].rank（）

其中

level=0

表示您在索引上分组。对于多索引，您可以指定

level=N

其中N是多索引的第N级。谢谢，@coldspeed！您可以替换

x['ind']=x.index；x['test']=x.groupby（'ind'）['Value1'].rank（）

with

x['test']=x.groupby（level=0）['Value1'].rank（）

其中

level=0

表示您在索引上分组。对于多索引，您可以指定

level=N

其中N是多索引的第N级。谢谢，@coldspeed！