Python 基于不同列中的值复制行

我有一个事务的数据框架。每行代表两个项目的事务（将其视为两个事件通知单或其他事务）。我想根据售出的数量复制每一行

下面是示例代码：

# dictionary of transactions

d = {
    '1': ['20',  'NYC', '2'],
    '2': ['30',  'NYC', '2'],
    '3': ['5',   'NYC', '2'],
    '4': ['300', 'LA',  '2'],
    '5': ['30',  'LA',  '2'],
    '6': ['100', 'LA',  '2']
}

columns=['Price', 'City', 'Quantity']

# create dataframe and rename columns

df = pd.DataFrame.from_dict(
    data=d, orient='index'
)
df.columns = columns

这将生成如下所示的数据帧

Price   City    Quantity
20       NYC         2
30       NYC         2
5        NYC         2
300      LA          2
30       LA          2
100      LA          2

---

因此，在上述情况下，每一行将转换为两个重复的行。如果“数量”列为3，则该行将转换为三个重复行。

首先，我使用整数而不是文本重新创建数据。我还改变了数量，以便更容易理解问题

d = {1: [20, 'NYC', 1], 2: [30, 'NYC', 2], 3: [5, 'SF', 3],      
     4: [300, 'LA', 1], 5: [30, 'LA', 2],  6: [100, 'SF', 3]}

columns=['Price', 'City', 'Quantity'] 
# create dataframe and rename columns

df = pd.DataFrame.from_dict(data=d, orient='index').sort_index()
df.columns = columns

>>> df
   Price City  Quantity
1     20  NYC         1
2     30  NYC         2
3      5   SF         3
4    300   LA         1
5     30   LA         2
6    100   SF         3

我使用嵌套的列表理解结构创建了一个新的数据框架

df_new = pd.DataFrame([df.ix[idx] 
                       for idx in df.index 
                       for _ in range(df.ix[idx]['Quantity'])]).reset_index(drop=True)
>>> df_new
    Price City  Quantity
0      20  NYC         1
1      30  NYC         2
2      30  NYC         2
3       5   SF         3
4       5   SF         3
5       5   SF         3
6     300   LA         1
7      30   LA         2
8      30   LA         2
9     100   SF         3
10    100   SF         3
11    100   SF         3

---

这种方法怎么样。我稍微改变了一下你的数据，要求出售4张票

我们使用大小合适的helper np.ones（）数组，然后代码的关键行是：

a[np.arange（a.shape[1]）[：]>a[：，0，np.newaxis]=0

这里向我展示了这项技术：

然后，只需调用

.stack（）

，并完成一些基本过滤

d = {'1': ['20', 'NYC', '2'], '2': ['30', 'NYC', '2'], '3': ['5', 'NYC', '2'], \
     '4': ['300', 'LA', '2'], '5': ['30', 'LA', '4'],  '6': ['100', 'LA', '2']}

columns=['Price', 'City', 'Quantity']
df = pd.DataFrame.from_dict(data=d, orient='index')
df.columns = columns
df['Quantity'] = df['Quantity'].astype(int)

# make a ones array 
my_ones = np.ones(shape=(len(df),df['Quantity'].max()))

# turn my_ones into a dataframe same index as df so we can join it to the right hand side. Plenty of other ways to achieve the same outcome. 
df_my_ones = pd.DataFrame(data =my_ones,index = df.index)

df = df.join(df_my_ones)

这看起来像：

  Price City  Quantity  0  1  2  3
1    20  NYC         2  1  1  1  1
3     5  NYC         2  1  1  1  1
2    30  NYC         2  1  1  1  1
5    30   LA         4  1  1  1  1
4   300   LA         2  1  1  1  1

现在将数量列和数量列放入numpy数组中

a = df.iloc[:,2:].values

这是聪明的一点

a[np.arange(a.shape[1])[:] > a[:,0,np.newaxis]] = 0

并重新分配回df

df.iloc[:,2:] = a

现在df如下所示，注意我们是如何在数量上设置为零的：

  Price City  Quantity  0  1  2  3
1    20  NYC         2  1  1  0  0
3     5  NYC         2  1  1  0  0
2    30  NYC         2  1  1  0  0
5    30   LA         4  1  1  1  1
4   300   LA         2  1  1  0  0

df.set_index(['Price','City','Quantity'],inplace=True)
df =  df.stack().to_frame()
df.columns = ['sale_flag']
df.reset_index(inplace=True)
print df[['Price','City', 'Quantity']][df['sale_flag'] !=0]
print df

产生：

Price City  Quantity
0     20  NYC         2
1     20  NYC         2
4      5  NYC         2
5      5  NYC         2
8     30  NYC         2
9     30  NYC         2
12    30   LA         4
13    30   LA         4
14    30   LA         4
15    30   LA         4
16   300   LA         2
17   300   LA         2

---

使用

重复回答

df.loc[df.index.repeat(df.Quantity)]
Out[448]: 
  Price City Quantity
1    20  NYC        2
1    20  NYC        2
2    30  NYC        2
2    30  NYC        2
3     5  NYC        2
3     5  NYC        2
4   300   LA        2
4   300   LA        2
5    30   LA        2
5    30   LA        2
6   100   LA        2
6   100   LA        2

---

--您为此编写的代码在哪里？您得到了什么输出？您已经很好地描述了所需的输出，但这似乎没有堆栈溢出问题。请记住，代码修复是如此，而不是代码设计和编写。@Prune我不同意，这似乎符合特定编程问题的描述。OP可以使用一些指导来确定解决该问题的有效方法。有时一个人甚至不知道从哪里开始，一个丑陋的解决方案的尝试只会把问题弄得一团糟，浪费每个人的时间。我欣赏@Prune的建议，我大体上同意。我认为这是一个过滤掉纯粹懒惰问题的好方法。但这个问题确实让我感到困惑，我还不能为解决方案提供一个有意义的起点。谢谢。当我在实际数据上尝试时，我得到一个“TypeError:无法将序列转换为与第二个for循环相关”for u.in-range（df.ix[idx]['Quantity']）。请尝试以下操作：

for u.in-range（int（df.ix[idx]['Quantity']）

您还可以将列显式转换为整数：

df Quantity']=dfQuantity.astype（int）

好的，我让它开始工作了。在我的数据集中，索引是一个日期时间序列，其中缺少一些日期（不确定是否相关）。当我像上面的例子那样将索引设置为正则连续整数时，它就起作用了。作为参考，当我运行df.Quantity.unique（）时，我得到了“array（[2,4,3,1,6,5,7,8,10,9,14,12]，dtype=int64）”。非常感谢你的帮助。在这种情况下，您可能应该从

df.reset\u index（inplace=True）

开始。顺便说一句，您帮我回答了最后一个问题。我真的很感激。非常有创意的解决方案！我得更仔细地检查一下。检查下面的其他响应，以了解不同的方法。非常感谢你的帮助。非常感谢。无意冒犯其他贡献者，但我认为这应该是公认的答案：）但它至少可以使用更多的信息。