Python 基于上述逻辑将数据帧从宽缩短为长的有效方法

我有一个列名为“a”、“b”、“c”的数据帧

#Input
import pandas as pd

list_of_dicts = [
  {'a' : 0, 'b' : 4, 'c' : 3},
  {'a' : 1, 'b' : 1, 'c' : 2  },
  {'a' : 0, 'b' : 0, 'c' : 0  },
  {'a' : 1, 'b' : 0, 'c' : 3  },
  {'a' : 2, 'b' : 1, 'c' : 0  }
]

df = pd.DataFrame(list_of_dicts)

我想将宽数据框缩减为一列，并使用列名 作为数据帧值乘以相应的行值。操作必须按行进行

#Output
    |  Values |
-----------------  
 0  |    b    |
 1  |    b    |
 2  |    b    |
 3  |    b    |
 4  |    c    |
 5  |    c    |
 6  |    c    |
 7  |    a    |
 8  |    b    |
 9  |    c    |
 10 |    c    |
 11 |    a    |
 12 |    c    |
 13 |    c    |
 14 |    c    |
 15 |    a    |
 17 |    a    |
 18 |    b    |

说明： 输入数据帧中的行0有4个“b”和3个“c”，因此输出数据帧的前7个元素是bbccc

第1行同样有1'a'1'b'和2'c'，因此输出将有abcc作为下4个元素

第2行的值为0，因此将完全跳过

输出的顺序非常重要 例如，第一行有'4'b和3'c'，因此输出数据帧必须是bbccc，因为列'b'在列'c'之前。操作必须从左到右按行进行

我正试图找到一种有效的方法来实现这一点。真正的数据集太大，我无法计算。请提供python3解决方案。

数据（您也可以），并删除计数为零的行。最后使用构建一个新的数组，并从中构建新的数据帧

reshape = df.stack().droplevel(0).loc[lambda x: x != 0]
pd.DataFrame(np.repeat(reshape.index, reshape), columns=['values'])

 values
0   b
1   b
2   b
3   b
4   c
5   c
6   c
7   a
8   b
9   c
10  c
11  a
12  c
13  c
14  c
15  a
16  a
17  b

删除数据（也可以），并删除计数为零的行。最后使用构建一个新的数组，并从中构建新的数据帧

reshape = df.stack().droplevel(0).loc[lambda x: x != 0]
pd.DataFrame(np.repeat(reshape.index, reshape), columns=['values'])

 values
0   b
1   b
2   b
3   b
4   c
5   c
6   c
7   a
8   b
9   c
10  c
11  a
12  c
13  c
14  c
15  a
16  a
17  b

---

我认为pandas在这个过程中不会给你买任何东西，尤其是如果你有大量的数据，你不想把它们全部读入内存，然后再处理成另一个大数据结构

import csv
with open('input.csv', 'r') as fh:
    reader = csv.DictReader(fh)
    for row in reader:
        for key in reader.headers:
            value = int(row[key])
            for i in range(value):
                print(key)

---

我认为pandas在这个过程中不会给你买任何东西，尤其是如果你有大量的数据，你不想把它们全部读入内存，然后再处理成另一个大数据结构

import csv
with open('input.csv', 'r') as fh:
    reader = csv.DictReader(fh)
    for row in reader:
        for key in reader.headers:
            value = int(row[key])
            for i in range(value):
                print(key)

---

这就是你真正想要的吗？[{'a'：0，'b'：4，'c'：3}]和[{'a'：0，'b'：4，'c'：2}，{'a'：0，'b'：0，'c'：1}]产生相同的输出这一事实没有引起问题吗？输出的顺序有什么关系。例如，第一行为4'b'和3'c'，那么输出数据帧的前7行必须为bbccc。输出不能是bcb或任何其他组合。但从我对您描述的理解来看，我的两个示例的输出完全相同：bbccc。只是看看这是不是你想要的哦，我明白你的问题了。不，这不会引起问题。很抱歉，我之前没有理解你的问题。这两个应该给出相同的输出。我必须考虑一下，看看是否有任何方法可以使用pandas重塑代码（）来实现您想要的功能，但是我想知道你的数据是从哪里来的，通过输入数据进行流式处理是否比将所有内容加载到内存中更容易，而不是以你最初想要的方式加载。这是你真正想要的吗？[{'a'：0，'b'：4，'c'：3}]和[{'a'：0，'b'：4，'c'：2}，{'a'：0，'b'：0，'c'：1}]产生相同的输出这一事实没有引起问题吗？输出的顺序有什么关系。例如，第一行为4'b'和3'c'，那么输出数据帧的前7行必须为bbccc。输出不能是bcb或任何其他组合。但从我对您描述的理解来看，我的两个示例的输出完全相同：bbccc。只是看看这是不是你想要的哦，我明白你的问题了。不，这不会引起问题。很抱歉，我之前没有理解你的问题。这两个应该给出相同的输出。我必须考虑一下，看看是否有任何方法可以使用pandas重塑代码（）来实现您想要的功能，但是我想知道你的数据是从哪里来的，通过输入数据进行流式处理是否比将所有内容加载到内存中更容易，而不是按照你最初想要的方式。非常感谢！这就完成了任务！非常感谢你！这就完成了任务！