Question

在R中，当向数据帧添加不等长的新数据时，值会重复以填充数据帧：

df <- data.frame(first=c(1,2,3,4,5,6))
df$second <- c(1,2,3)

得到以下特性：

  first second
1     1      1
2     2      2
3     3      3
4     4      1
5     5      2
6     6      3

但是，pandas需要相同的索引长度。

我如何在R中像“我可以”那样“填写”重复数据？

Answer 1

似乎没有优雅的方式。这是我刚才想到的解决方法。基本上创建一个比原始数据框大的重复列表，然后将它们连接起来。

import pandas
df = pandas.DataFrame(range(100), columns=['first'])
repeat_arr = [1, 2, 3]
df = df.join(pandas.DataFrame(repeat_arr * (len(df)/len(repeat_arr)+1),
    columns=['second']))

Answer 2

itertools的循环方法适用于重复常见模式。

from itertools import cycle

seq = cycle([1, 2, 3])
df['Seq'] = [next(seq) for count in range(df.shape[0])]

Answer 3

import pandas as pd
import numpy as np

def put(df, column, values):
    df[column] = 0
    np.put(df[column], np.arange(len(df)), values)

df = pd.DataFrame({'first':range(1, 8)})    
put(df, 'second', [1,2,3])

产量

   first  second
0      1       1
1      2       2
2      3       3
3      4       1
4      5       2
5      6       3
6      7       1

不是特别漂亮，但它拥有的一个“特征”是，如果DataFrame的长度是重复值长度的倍数，则不必担心。 np.put会根据需要重复这些值。

我的第一个答案是：

import itertools as IT
df['second'] = list(IT.islice(IT.cycle([1,2,3]), len(df)))

但事实证明这明显变慢了：

In [312]: df = pd.DataFrame({'first':range(10**6)})

In [313]: %timeit df['second'] = list(IT.islice(IT.cycle([1,2,3]), len(df)))
10 loops, best of 3: 143 ms per loop

In [316]: %timeit df['second'] = 0; np.put(df['second'], np.arange(N), [1,2,3])
10 loops, best of 3: 27.9 ms per loop

Answer 4

您正在寻找一般解决方案吗？我试图让它变得不那么硬编码：

import numpy as np
import pandas 

df = pandas.DataFrame(np.arange(1,7), columns=['first'])

base = [1, 2, 3]
df['second'] = base * (df.shape[0]/len(base))
print(df.to_string())


   first  second
0      1       1
1      2       2
2      3       3
3      4       1
4      5       2
5      6       3

Answer 5

您可能想尝试使用模数（％）的幂。您可以采用first的值（或索引），然后将second的长度用作模数，以获取所需的值（或索引）。像这样：

df = pandas.DataFrame([0,1,2,3,4,5], columns=['first'])
sec = [0,1,2]
df['second'] = df['first'].apply(lambda x: x % len(sec) )
print(df)
   first  second
0      0       0
1      1       1
2      2       2
3      3       0
4      4       1
5      5       2

我希望有帮助。

Answer 6

在我的情况下，我需要在不知道子列表长度的情况下重复这些值，即检查每个组的长度。这是我的解决方案：

import numpy as np
import pandas 

df = pandas.DataFrame(['a','a','a','b','b','b','b'], columns=['first'])

list = df.groupby('first').apply(lambda x: range(len(x))).tolist()
loop = [val for sublist in list for val in sublist]
df['second']=loop

df
  first  second
0     a       0
1     a       1
2     a       2
3     b       0
4     b       1
5     b       2
6     b       3

Answer 7

可能效率低下，但这只是一种纯粹的熊猫解决方案。

import numpy as np
import pandas as pd

base = [1,2,3]
df = pd.DataFrame(data = None,index = np.arange(10),columns = ["filler"])
df["filler"][:len(base)] = base

df["tmp"] = np.arange(len(df)) % len(base)
df["filler"] = df.sort_values("tmp")["filler"].ffill() #.sort_index()
print(df)

如何用pandas中的重复数据填充行？

7 个答案: