Python 如何用零分隔数据帧的象限

考虑我的数据帧

df

df = pd.DataFrame(np.ones((4, 4), dtype=int), list('ABDE'), list('VWYZ'))

df

   V  W  Y  Z
A  1  1  1  1
B  1  1  1  1
D  1  1  1  1
E  1  1  1  1

如何用零分隔数据帧的象限

   V  W  X  Y  Z
A  1  1  0  1  1
B  1  1  0  1  1
C  0  0  0  0  0
D  1  1  0  1  1
E  1  1  0  1  1

如果我无法对标签进行排序，则：

df['X'] = 0
col = list(df.columns)
col.insert(len(col)/2,'X')
df = df[col[:-1]]
df.loc['C'] = 0
rows = list(df.index)
rows.insert(len(df)/2,'C')
df.reindex(rows[:-1])

一种丑陋的方式是

In [860]: df.insert(df.shape[1]/2, 'X', 0)

In [861]: df.reindex(df.index.insert(df.shape[0]/2, 'C'), fill_value=0)
Out[861]:
   V  W  X  Y  Z
A  1  1  0  1  1
B  1  1  0  1  1
C  0  0  0  0  0
D  1  1  0  1  1
E  1  1  0  1  1

和，另一个灵感来自迪瓦卡的

In [897]: df.reindex(index=df.index.insert(df.shape[0]/2, 'C'),
                     columns=df.columns.insert(df.shape[1]/2, 'X'), fill_value=0)
Out[897]:
   V  W  X  Y  Z
A  1  1  0  1  1
B  1  1  0  1  1
C  0  0  0  0  0
D  1  1  0  1  1
E  1  1  0  1  1

---

这里有一个数组，它创建了一个位置网格，可以用

np.ix\uu

-

a = df.values
m,n = a.shape
mask_row = np.r_[:m//2+1,m//2-1:-1:-1] < m//2
mask_col = np.r_[:n//2+1,n//2-1:-1:-1] < n//2

out = np.zeros((m+1,n+1), dtype=a.dtype)
out[np.ix_(mask_row, mask_col)] = a
df_out = pd.DataFrame(out)
df_out.columns = np.insert(df.columns, n//2, 'New')
df_out.index = np.insert(df.index, m//2, 'New')

---

创建新的索引和列值，然后：

---

所以，列数和列数总是偶数？我怎么知道你会问这个？对但我的解决方案并不需要它。你知道伟大的头脑。。不管他们怎么说；）这在哲学上和我的想法是一样的。我在重新索引时使用了

fill\u value=0

参数。关于排序。。。没错，同意！首先接受@jezrael，正如我所看到的

reindex

索引和列。不言而喻，但您滥用了这里的示例数据结构，我认为这不值得它拥有的投票数。@cᴏʟᴅsᴘᴇᴇᴅ 这是正确的。标签可能完全不同。用另一种方法编辑，但不是那么优雅。你认为mask比

out=np.zeros（（m+1，n+1），dtype=a.dtype）好吗；out[m//2]=1；out[：，m//2]=1

？@JohnGalt您不需要四个这样的切片分配步骤吗？为什么四个，两个就可以了。这三行足够生成带有交叉的最终输出数组。@JohnGalt所以，这给了我们

out

作为最终数组输出（倒tho），但假设原始数据帧都是1？嗯，我现在明白了，至少这里OP都是1。就是这样！这个

f=lambda x，i:list（x[：len（x）//2]）+[i]+list（x[len（x）//2:]）；df.reindex（f（df.index，'C'）、f（df.columns，'X'）、fill_value=0）

为什么不使用

insert

而不是

f

？我只是想说@JohnGalt在索引上使用insert更好。

a = df.values
m,n = a.shape
mask_row = np.r_[:m//2+1,m//2-1:-1:-1] < m//2
mask_col = np.r_[:n//2+1,n//2-1:-1:-1] < n//2

out = np.zeros((m+1,n+1), dtype=a.dtype)
out[np.ix_(mask_row, mask_col)] = a
df_out = pd.DataFrame(out)
df_out.columns = np.insert(df.columns, n//2, 'New')
df_out.index = np.insert(df.index, m//2, 'New')

In [375]: df_out
Out[375]: 
     V  W  New  Y  Z
A    1  1    0  1  1
B    1  1    0  1  1
New  0  0    0  0  0
D    1  1    0  1  1
E    1  1    0  1  1

a = int(len(df.columns) / 2)
cols =np.concatenate([df.columns[:a], ['X'], df.columns[a:]])
b = int(len(df.index) / 2)
idx =np.concatenate([df.index[:b], ['C'], df.index[b:]])

df = df.reindex(index=idx, columns=cols, fill_value=0)
print (df)
   V  W  X  Y  Z
A  1  1  0  1  1
B  1  1  0  1  1
C  0  0  0  0  0
D  1  1  0  1  1
E  1  1  0  1  1