我的数据框如下所示:
ID Name
1 Missing
2 Missing
3 Missing
.......
如果len(df)与我存储的多个名称(列表或字典)不一致,有没有办法可以平均填写列名(+1)。对于Ex,如果我有2个名字。列的一半是Name1,而另一半是Name2。 我试过了:
for i in (range(len(df)/no_names)):
counter=0
df.ix[i]['Name'] = dictionary.values()[0]
但根据我有多少名字,这只会填入前N行。
答案 0 :(得分:2)
您可以使用
import numpy as np
N = len(df)
df['Name'] = np.array(['Name1', 'Name2'])[np.linspace(0,2,N,endpoint=False).astype(int)]
这里的想法是创建一个0和1的数组,例如
In [34]: np.linspace(0,2,11,endpoint=False).astype(int)
Out[34]: array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1])
现在我们可以使用NumPy索引创建一个'Name1'和'Name2'值的数组:
In [8]: np.array(['Name1', 'Name2'])[np.linspace(0,2,11,endpoint=False).astype(int)]
Out[8]:
array(['Name1', 'Name1', 'Name1', 'Name1', 'Name1', 'Name1', 'Name2',
'Name2', 'Name2', 'Name2', 'Name2'],
dtype='<U5')
答案 1 :(得分:1)
我第一次尝试python问题,这绝对不是最有效的解决方案。
import pandas as pd
df = pd.DataFrame({'a':[1,4,4,0,4,0,4,0],'b':[2,1,4,0,4,0,4,0]})
#df
#Out[76]:
# a b
#0 1 2
#1 4 1
#2 3 3
#3 4 4
#4 0 0
#5 4 4
#6 0 0
#7 4 4
#8 0 0
根据每列的长度,相应地重复Name1和Name2
df['new'] = np.repeat(np.array(["A", "B"]), repeats=[round(df.shape[0]/2), df.shape[0]-round(df.shape[0]/2)])
#Out[81]:
# a b new
#0 1 2 A
#1 4 1 A
#2 3 3 A
#3 4 4 A
#4 0 0 B
#5 4 4 B
#6 0 0 B
#7 4 4 B
#8 0 0 B