在数据框中创建行的子集并对应列

Question

我有一个如下所示的数据框，并想根据B1-B4的数量创建一些行副本。另外，请依次在新的对应列中填写字母。

原始数据框：

       B1   B2   B3  B4
 0     1C 
 1     3A   1A
 2    41A  28A   3A 
 3    42A  41A  28A  3A

目标输出：

       B1   B2   B3  B4  B1_u  B2_u  B3_u  B4_u
 0     1C                   C

说明：
row 0：在B1仅具有1个值，因此在对应的列C

中只有一个输出（1C的{​​{1}}）

B1_u

说明：
B1 B2 B3 B4 B1_u B2_u B3_u B4_u 1 3A 1A A 2 3A 1A A ：这是2个值（row 1，3A），因此扩展2行并填写（1A和A的{​​{1}} ）相应的列3A，1A依次

等

B1_u

Answer 1

IIUC：这是一个解决方案：

首先让我们创建此问题所需的数据集：

import pandas as pd
import numpy as np
import string
#Code to generate data-set - not explained
df = pd.DataFrame(np.tril(np.random.randint(1, 100, (10,10))), columns=[f'B{x}' for x in range(1, 11)])
df = df.applymap(str)
df = df.replace('0', '')
pp = np.random.dirichlet(np.ones(26)*1000., size=1)[0]
cl = np.random.choice(list(string.ascii_uppercase), size=(10), p=pp)
for x in range(0, len(df)):
    for y in range(0, x + 1):
        df.iloc[x, y] = f'{df.iloc[x, y]}{cl[x]}'
#Solution code
#Create a dataframe to store the output from the columns of input dataframe and its index
dfo = pd.DataFrame(columns=[f'{x}_u' for x in df.columns], index=df.index)
#Count non empty values in all the rows
vc = df.apply(lambda x: np.count_nonzero(x), axis=1)
#NOTE: If you have a row that can have more than one attribute then you need to revisit your problem
#Irrespective how the data-set was generated the following code shall work
#Lets populate the output dataframe as required by running nested for loops
for i, v in enumerate(vc):
    for j in range(0, v):
        dfo.iloc[i, j] = list(df.iloc[i, j])[-1]

result = df.join(dfo)

输出结果如下：