使用Python将索引设置为csv文件中重复行值的组

我是python新手。我想将索引设置为特定的行元素集，这些元素对每个组都是重复的。 我的数据帧：

在这里，列表被创建为idx，索引值被写入maunally

但对于一个每组1000多个索引（随机值）的更大矩阵来说，这将是一项非常困难的任务

我想要的是，当我读取CSV文件时，应该选择行中的第一个值，直到相同的值出现在同一索引中，它应该被视为1组，并且第一组的索引必须存储在idx

例如：在我的小版本数据集中，从第一列

索引中，第一个值即
4,10,37109133
是我第一组的索引。对于下一组，这些值以相同的顺序重复。
只有它们不应在代码中手动输入。如果下一次出现
4
，则应将一组视为一组。因此，索引值4到133必须视为idx下的1组。这是因为我需要idx来获取代码的进一步部分

我的实际数据集每个组有1000多个索引值。因此，idx必须自动获取组中的所有值

# getting some dimensions and sorting the data
row_idx_length = len(idx) 
group_length = len(data_dict['0_deg'])
number_of_groups = len(data_dict.keys())  
idx = idx*number_of_groups   
data_arr = np.zeros((group_length,number_of_groups),dtype=np.int32) 

我相信您需要使用整数除法来计算重复次数：

df.index = np.tile(idx, len(df.index) // len(idx))

但是如果get error（
N
和
M
是一些整数）：

ValueError:长度不匹配：预期轴有N个元素，新值有M个元素

这意味着在最后一个组中缺少一些元素，因此通过
1
添加下一个组，并通过数据帧的
索引的长度进行过滤：

#added 150 to idx list
idx =[4,10,37,109,133,150]
df.index = np.tile(idx, len(df.index) // len(idx) + 1)[:len(df.index)]
print (df)          
     0_deg  10_deg  20_deg  30_deg
4        2      12      23      12
10      11     -21     -10       9
37      21      11       3      -5
109    -17       1      20       4
133      5       4     -41       9
150     40      -2      13     -46
4       22      33      10       1
10       7      53       5      -8
37      20      18      -9     -27
109     -6      10       7       3
133     -6      -3      -4      -9
150     -6      -1     -21     -14
4       24      23      14      15
10      21      18     -26      -6
37      20      23     -31      14
109     61       8       9       7
133     21      11       1     -11
150      5     -25     -15       5
4        2      21       3      19
10      17     -14      -6      -4

如果我正确理解了您的问题，那么您需要实际获取给定数据帧的idx，并使用类似的索引设置

data_dict ={'0_deg': [2, 11, 21, -17, 5, 40, 22, 7, 20, -6, -6, -6, 24, 21, 20, 61, 21, 5, 2, 17], 
 '10_deg': [12, -21, 11, 1, 4, -2, 33, 53, 18, 10, -3, -1, 23, 18, 23, 8, 11, -25, 21, -14], 
 '20_deg': [23, -10, 3, 20, -41, 13, 10, 5, -9, 7, -4, -21, 14, -26, -31, 9, 1, -15, 3, -6], 
 '30_deg': [12, 9, -5, 4, 9, -46, 1, -8, -27, 3, -9, -14, 15, -6, 14, 7, -11, 5, 19, -4]}
import pandas as pd
df = pd.DataFrame(data_dict)

idx =[4,10,37,109,133]
df.index = idx * (len(df)//len(idx))

print(df)
#Output:
     0_deg  10_deg  20_deg  30_deg  groups
4        2      12      23      12       1
10      11     -21     -10       9       1
37      21      11       3      -5       1
109    -17       1      20       4       1
133      5       4     -41       9       1
4       40      -2      13     -46       2
10      22      33      10       1       2
37       7      53       5      -8       2
109     20      18      -9     -27       2
133     -6      10       7       3       2
4       -6      -3      -4      -9       3
10      -6      -1     -21     -14       3
37      24      23      14      15       3
109     21      18     -26      -6       3
133     20      23     -31      14       3
4       61       8       9       7       4
10      21      11       1     -11       4
37       5     -25     -15       5       4
109      2      21       3      19       4
133     17     -14      -6      -4       4

设置完成后，只需计算第0个值重复的位置。您可以直接计算它，但为进一步的计算创建一个附加列也可能更有用

temp = df.index == df.index[0]
groups = temp.cumsum()
idx_out = list(df.index[groups == 1])

print(idx_out) #[4, 10, 37, 109, 133]

#Optional:

df['groups'] = groups #can be very useful for aggregations and groupby calculations

最后一个组是否可能在重复索引中缺少一些值？每个组有1000多个元素。那么如何为idx动态设置它们呢？我不想手动创建像idx=[4,10,37109133150]
@anky_91-hmmm这样的列表，这是一个很难回答的问题，但是如果多元素numpy应该更快。@AkshayK.-count
idx如何？在我的一个数据帧中，索引以值
4
开始，如图所示。在另一种情况下，它可能从其他值开始。但不管值是什么，它都会对每个组重复，而且每个组的索引范围是固定的。例如，从
4
到“`133``元素是固定的。@AkshayK.-不确定是否理解，
idx
的解析值还有许多其他数据帧？如果可能的话，您可以在新问题中创建吗？在您的代码中，您已经为索引
idx=[4,10,37109133]
创建了一个列表。是否可以不输入所有值，只输入第一个值，例如4，这样idx将存储从4开始的第一列的值，直到该列中出现下一个4？您能否详细说明“idx将存储从4开始的第一列的值，直到该列中出现下一个4”？我以为你已经“得到”了这样的索引，而我最初的
idx
只是“设置”的一部分。你还没有得到某种重复的索引吗？如果你只使用答案的第二部分，假设你得到的是一个索引集为那样的数据帧，它会给出该数据帧的
idx\u out
值。我得到的重复间隔相同，但这只是5个索引值的情况，我的原始数据集有5000个值，所以在5000多个值之后，4会重复。那么，如何为这种情况指定
idx=[]
？您当前的问题是否很好地代表了您的需求？我对你的理解是否正确@阿克谢。
data_dict ={'0_deg': [2, 11, 21, -17, 5, 40, 22, 7, 20, -6, -6, -6, 24, 21, 20, 61, 21, 5, 2, 17], 
 '10_deg': [12, -21, 11, 1, 4, -2, 33, 53, 18, 10, -3, -1, 23, 18, 23, 8, 11, -25, 21, -14], 
 '20_deg': [23, -10, 3, 20, -41, 13, 10, 5, -9, 7, -4, -21, 14, -26, -31, 9, 1, -15, 3, -6], 
 '30_deg': [12, 9, -5, 4, 9, -46, 1, -8, -27, 3, -9, -14, 15, -6, 14, 7, -11, 5, 19, -4]}
import pandas as pd
df = pd.DataFrame(data_dict)

idx =[4,10,37,109,133]
df.index = idx * (len(df)//len(idx))

print(df)
#Output:
     0_deg  10_deg  20_deg  30_deg  groups
4        2      12      23      12       1
10      11     -21     -10       9       1
37      21      11       3      -5       1
109    -17       1      20       4       1
133      5       4     -41       9       1
4       40      -2      13     -46       2
10      22      33      10       1       2
37       7      53       5      -8       2
109     20      18      -9     -27       2
133     -6      10       7       3       2
4       -6      -3      -4      -9       3
10      -6      -1     -21     -14       3
37      24      23      14      15       3
109     21      18     -26      -6       3
133     20      23     -31      14       3
4       61       8       9       7       4
10      21      11       1     -11       4
37       5     -25     -15       5       4
109      2      21       3      19       4
133     17     -14      -6      -4       4

temp = df.index == df.index[0]
groups = temp.cumsum()
idx_out = list(df.index[groups == 1])

print(idx_out) #[4, 10, 37, 109, 133]

#Optional:

df['groups'] = groups #can be very useful for aggregations and groupby calculations