Python 如何分割数据帧并将其重新组装成新的数据帧

我得到的数据帧如下所示：

A   YEAR2000    B   YEAR2001    C   YEAR2002
a      1        b     3         a      7
b      3        c     5         e      6
c      6        d     2         f      3
                e     1         g      0

每两列切片一次，然后重新组织以形成新的数据帧，如下所示：

type    YEAR2000    YEAR2001    YEAR2002
a         1                         7
b         3            3    
c         6            5    
d                      2    
e                      1            6
f                                   3
g                                   0

dataframe_list = []
for i in range(0,origin_df.columns.size):
    if i % 2 == 0:
        dataframe_list.append(origin_df.iloc[:,[i,i + 1]])
new_dataframe = pd.DataFrame()
new_dataframe = pd.concat(dataframe_list,axis = 0)
new_dataframe

it = iter(df)
cols_list = list(map(list, zip(it, it)))

Out[1854]: [['A', 'YEAR2000'], ['B', 'YEAR2001'], ['C', 'YEAR2002']]

---

我试过了

pd.concat（）

，但是发生了一些错误！谢谢。

我想您可以使用

groupby

和

axis=1

然后使用

concat

l=[y.set_index(y.columns[0]).dropna() for x , y in df.groupby(np.arange(df.shape[1])//2,axis=1)]
pd.concat(l,axis=1,sort=True)
Out[858]: 
   YEAR2000  YEAR2001  YEAR2002
a       1.0       NaN       7.0
b       3.0       3.0       NaN
c       6.0       5.0       NaN
d       NaN       2.0       NaN
e       NaN       1.0       6.0
f       NaN       NaN       3.0
g       NaN       NaN       0.0

dfs = [df[cols].set_index(cols[0]) for cols in cols_list]
pd.concat(dfs, axis=1).dropna(axis=0, how='all')

Out[1868]:
   YEAR2000  YEAR2001  YEAR2002
a       1.0       NaN       7.0
b       3.0       3.0       NaN
c       6.0       5.0       NaN
d       NaN       2.0       NaN
e       NaN       1.0       6.0
f       NaN       NaN       3.0
g       NaN       NaN       0.0

---

使用merge两次就可以实现它

df1=pd.DataFrame（[[a'，1]，[b'，3]，[c'，6]]，列=['letter'，number']）
df2=pd.DataFrame（[['b'，3]，'c'，5]，'d'，2]，'e'，1]]，列=['letter'，'number']）
df3=pd.DataFrame（[[a'，7]，[e'，6]，[f'，3]，[g'，0]]，列=['letter'，number']）
pd.merge（pd.merge（df1，df2，how='outer'，on='letter'），df3，how='outer'，on='letter'））

要获得更干净的外观：

df1.merge（df2，how='outer'，on='letter'）。merge（df3，how='outer'，on='letter'））

如果您有多个数据帧，请将它们放入一个列表中，并使用reduce进行理解

从functools导入reduce
dfs=[df1、df2、df3]
reduce（lambda left，right:left.merge（right，how='outer'，on='letter'），dfs）

我的代码如下：

type    YEAR2000    YEAR2001    YEAR2002
a         1                         7
b         3            3    
c         6            5    
d                      2    
e                      1            6
f                                   3
g                                   0

dataframe_list = []
for i in range(0,origin_df.columns.size):
    if i % 2 == 0:
        dataframe_list.append(origin_df.iloc[:,[i,i + 1]])
new_dataframe = pd.DataFrame()
new_dataframe = pd.concat(dataframe_list,axis = 0)
new_dataframe

it = iter(df)
cols_list = list(map(list, zip(it, it)))

Out[1854]: [['A', 'YEAR2000'], ['B', 'YEAR2001'], ['C', 'YEAR2002']]

---

以防您有超过6列：

num_cols = len(df.columns)
pd.concat([df.iloc[:,i:i+2].dropna()
             .set_index(df.columns[i])
                   for i in range(0,len(df.columns),2)],
          axis=1,
          sort=True
          )

输出：

    YEAR2000    YEAR2001    YEAR2002
a   1.0         NaN         7.0
b   3.0         3.0         NaN
c   6.0         5.0         NaN
d   NaN         2.0         NaN
e   NaN         1.0         6.0
f   NaN         NaN         3.0
g   NaN         NaN         0.0

---

我认为简单的解决方案是使用

pd.concat

。只需将索引设置为列

A

，

B

，

C

。。。在

pd.concat

之前的这些子数据帧中。对于具有大量未知名称列的

df

，可以通过使用

iter

和

zip

轻松实现，如下所示：

type    YEAR2000    YEAR2001    YEAR2002
a         1                         7
b         3            3    
c         6            5    
d                      2    
e                      1            6
f                                   3
g                                   0

dataframe_list = []
for i in range(0,origin_df.columns.size):
    if i % 2 == 0:
        dataframe_list.append(origin_df.iloc[:,[i,i + 1]])
new_dataframe = pd.DataFrame()
new_dataframe = pd.concat(dataframe_list,axis = 0)
new_dataframe

it = iter(df)
cols_list = list(map(list, zip(it, it)))

Out[1854]: [['A', 'YEAR2000'], ['B', 'YEAR2001'], ['C', 'YEAR2002']]

接下来，使用listcomp从

cols\u list

和

pd.concat

l=[y.set_index(y.columns[0]).dropna() for x , y in df.groupby(np.arange(df.shape[1])//2,axis=1)]
pd.concat(l,axis=1,sort=True)
Out[858]: 
   YEAR2000  YEAR2001  YEAR2002
a       1.0       NaN       7.0
b       3.0       3.0       NaN
c       6.0       5.0       NaN
d       NaN       2.0       NaN
e       NaN       1.0       6.0
f       NaN       NaN       3.0
g       NaN       NaN       0.0

dfs = [df[cols].set_index(cols[0]) for cols in cols_list]
pd.concat(dfs, axis=1).dropna(axis=0, how='all')

Out[1868]:
   YEAR2000  YEAR2001  YEAR2002
a       1.0       NaN       7.0
b       3.0       3.0       NaN
c       6.0       5.0       NaN
d       NaN       2.0       NaN
e       NaN       1.0       6.0
f       NaN       NaN       3.0
g       NaN       NaN       0.0

---

您应该提供您的代码，以显示您迄今为止所做的尝试。在

concat

之前设置索引，然后它将与

axis=1

对齐谢谢您的帮助！但是，如果数据帧的数量大于或等于10100，我该怎么办？@butting You's welcome:）如果您接受答案，您可以单击左侧的接受按钮（勾号符号）✓).谢谢你的帮助！我尝试了一下，它运行良好如果你想使用

pd.concat

的方法，请查看我的答案。谢谢你的帮助！我是熊猫队的新手，所以我一直在学习！