Python 将输出变量拆分为大小相似的数据帧并合并这些数据帧

我的问题是：试图将一个输出变量拆分成大小相似的数据帧，然后合并这些数据帧

模型输出：“var”

3） 使用k，这是列数-在本例中为4-->0,1,2,3

df_Product1 = df_listing.iloc[:, 0*k:1*k]
df_Product1.columns = list(range(k))
df_Product2 = df_listing.iloc[:, 1*k:2*k]
df_Product2.columns = list(range(k))
df_Product3 = df_listing.iloc[:, 2*k:3*k]
df_Product3.columns = list(range(k))

4） 连接三个数据帧

input = [df_Product1, df_Product2, df_Product3]
df_facingsProductAll = pd.concat(input)

我的尝试是非常手动的，因此我正在寻找a）一个更自动化的解决方案，可能使用for循环，b）有一个更动态代码，以便输入更多产品，例如5个产品

---

谢谢你们的帮助，朋友们

以下是示例数据的简短版本：

import pandas as pd
df = pd.DataFrame({'product': [('Product 1' , 0), ('Product 1', 1) , ('Product 2', 0), ('Product 2', 1)],
                   'listing': [1.0, 0.0, 1.0, 0.0]})
df

然后重置索引列以从“索引”中拆分产品名称

df['prod_indx'] = df['product'].apply(lambda x: x[1])
df['product'] = df['product'].apply(lambda x: x[0])

然后转动

output = pd.pivot_table(df, values='listing', columns='prod_indx', index='product', aggfunc=sum)
print(output)

您可以从这里尝试

将熊猫作为pd导入
从io导入StringIO
txt=”“”
表册
（产品1,0）1.0
（产品1,1）0.0
（产品1,2）0.0
（产品1,3）0.0
（产品2,0）1.0
（产品2,1）0.0
（产品2,2）0.0
（产品2,3）0.0
（产品3,0）0.0
（产品3,1）0.0
（产品3,2）0.0
（产品3,3）1.0“”
df=pd.read\u csv（StringIO（txt），delim\u whitespace=True）
df=df.reset_index（）
#拆分索引和concat到df
df=局部混凝土（[df，
pd.DataFrame（df[“index”].str.split（“，”）\
.values.tolist（），
列=[“a”，“b”]）]，
轴=1）
df=df.下降（“指数”，轴=1）
#拆下支架
df[“a”]=df[“a”].str[1:]
df[“b”]=df[“b”].str[：-1].aType（int）
out=局部放电枢轴试验台（df，
index=“a”，
columns=“b”，
values=“listing”）

输出

B0123
A.
产品1 1.0 0.0.0.0.0
产品2 1.0 0.0.0.0
产品3 0.0 0.0 0.0 1.0

更新

如果您的空格为

（Product1，0）

，则可以按以下步骤处理：

txt=”“”
表册
（产品1,0）1.0
（产品1,1）0.0
（产品1、2）0.0
（产品1、3）0.0
（产品2，0）1.0
（产品2，1）0.0
（产品2，2）0.0
（产品2、3）0.0
（产品3，0）0.0
（产品3，1）0.0
（产品3，2）0.0
（产品3，3）1.0“
df=pd.read\u csv（StringIO（txt），delim\u whitespace=True）
df=df.reset_index（）\
.rename（列={“级别0”：“a”，
“1级”：“b”}）
#拆下支架
df[“a”]=df[“a”].str[1:-1]
df[“b”]=df[“b”].str[：-1].aType（int）

它看起来像一个你可以使用

pd.pivot\u表的组合。我认为你想要的答案是
reset\u index
和使用
（Product1，0）
类型条目重新格式化列，然后使用
pivot\u表
为每个产品创建一行。您能否使用.to_dict（）
df\u listing.to_dict（）
向用户显示您的输入数据帧，并粘贴此问题中的输出。谢谢。我不知道为什么在数据帧索引中使用元组而不是多重索引。你能展示一下用来生成这个数据帧的代码吗？@ScottBoston刚刚做了，希望它有意义！非常感谢@rpanai我还有一个问题：我的索引有一个空格，也就是说，它的形式是：'（Product1，0）1.0'，而不是：'（Product1，0）1.0'，只需在str中添加一个空格。不幸的是，拆分（“，”）没有帮助。你会怎么做？@mucsp90检查更新后的答案，如果你愿意，最终投票。
input = [df_Product1, df_Product2, df_Product3]
df_facingsProductAll = pd.concat(input)

import pandas as pd
df = pd.DataFrame({'product': [('Product 1' , 0), ('Product 1', 1) , ('Product 2', 0), ('Product 2', 1)],
                   'listing': [1.0, 0.0, 1.0, 0.0]})
df

df['prod_indx'] = df['product'].apply(lambda x: x[1])
df['product'] = df['product'].apply(lambda x: x[0])

output = pd.pivot_table(df, values='listing', columns='prod_indx', index='product', aggfunc=sum)
print(output)