Python重新创建数据帧

我有一个数据帧，如下所示：

df =
    yy  mm  col1  col2
   2020   7  0.22  10
   2020   7  0.50  30
   2020   7  0.60  40
   2020   7  0.50  70
   2020   7  0.60  90

我想将数据帧分为3部分，并对其进行转置，使其结果如下：

     yy    mm   col1    col2  col1   col2   col1   col2
     2020   7   0.22     10   0.60   40    0.60    90
     2020   7   0.50     30   0.50   70     NaN    NaN
  

到目前为止，我所做的是：

a = np.array_split(df,3)

a =
[    yy  mm  col1  col2
   2020   7  0.22  10
   2020   7  0.50  30,
     yy  mm  col1  col2
   2020   7  0.60  40,
   2020   7  0.50  70
     yy  mm  col1  col2
   2020   7  0.60  90]

之后我将a中列表的每个元素转换为数据帧：a0=a[0]，a1=a[1]和a2=a[2]，然后执行pandas.concat（[a0，a1，a2]，axis=1，keys=['yy'，'mm']）。 然而，如果我有更大的数据帧df，并且我将它分成许多部分（而不是仅仅3部分），那么我的解决方案是很麻烦的。 谢谢。

试试这个：

df=pd.DataFrame({'yy':[2020]*5,'mm':[7]*5,'col1':[0.22,0.5,0.6,0.5,0.6],'col2':[10,30,40,70,90]})


length=2
lis=[]
i=0


while i<(len(df)/length)+length:
    lis.append(df.iloc[i:i+length,:].reset_index(drop=True))
    i+=length

final=pd.concat(lis,axis=1)

试试这个：

df=pd.DataFrame({'yy':[2020]*5,'mm':[7]*5,'col1':[0.22,0.5,0.6,0.5,0.6],'col2':[10,30,40,70,90]})


length=2
lis=[]
i=0


while i<(len(df)/length)+length:
    lis.append(df.iloc[i:i+length,:].reset_index(drop=True))
    i+=length

final=pd.concat(lis,axis=1)

---

可能需要使用几个步骤

df1=df.set_index([df.index % 2, df.index // 2]).unstack().sort_index(level=1, axis=1,ascending=True)#Split dataframe on every 2nd row
df1.columns = df1.columns.droplevel(1)#drop multi level index
m=df1.loc[:,['mm','yy']]#Isolate columns with yy, mm
s=m.loc[:,~m.columns.duplicated()]#drop duplicates in isolated above
t=df1.filter(regex='^col', axis=1)#filter rows with col

res=pd.concat([s,t], axis=1)#Concat into new frame res



   mm    yy  col1  col2  col1  col2     col1  col2
0  7.0  2020.0  0.22  10.0   0.6  40.0   0.6  90.0
1  7.0  2020.0  0.50  30.0   0.5  70.0   NaN   NaN

---

可能需要使用几个步骤

df1=df.set_index([df.index % 2, df.index // 2]).unstack().sort_index(level=1, axis=1,ascending=True)#Split dataframe on every 2nd row
df1.columns = df1.columns.droplevel(1)#drop multi level index
m=df1.loc[:,['mm','yy']]#Isolate columns with yy, mm
s=m.loc[:,~m.columns.duplicated()]#drop duplicates in isolated above
t=df1.filter(regex='^col', axis=1)#filter rows with col

res=pd.concat([s,t], axis=1)#Concat into new frame res



   mm    yy  col1  col2  col1  col2     col1  col2
0  7.0  2020.0  0.22  10.0   0.6  40.0   0.6  90.0
1  7.0  2020.0  0.50  30.0   0.5  70.0   NaN   NaN

---

我认为你的代码是正确的，但是你觉得有什么棘手的地方吗？我实际上在寻找一种更有效的方法，以防我的数据帧更大，我需要将它分成许多部分（而不是仅仅3部分）。你不需要将它们保存到单独的变量中，你可以直接将它们合并：

a=np.array\u split（df，3）

然后

pd.concat（[i.reset_index（），用于a中的i]，轴=1）

添加一个新列，以便通过旋转变换它如何

df['flg']=[1,1,2,2,3,3，…]'

之后更新列名如何？我认为你的代码是正确的，但你觉得有什么棘手的地方？我实际上在寻找一种更有效的方法，以防我的数据帧更大，我需要将其分成许多部分（而不是仅仅3部分），而不是将它们保存到单个变量中，您可以直接将它们合并：

a=np.array\u split（df，3）

然后

pd.concat（[i.reset\u index（）for i in a]，axis=1）

添加一个新列，以便通过旋转对其进行转换如何

df['flg']=[1,1,2,2,3,3，…]'

之后更新列名如何？