我有一个161941行×76列的大数据CSV文件，其中我提取了161941行×3列的有用数据。
现在我的数据框看起来像这样
Extracted Dataframme of size 161941 rows × 3 columns
“ bKLR_Touchauswertung”列为定期数据，其外观为这种形式
"bKLR_Touchauswertung"
7
7
10
10
10
10
10
7
7
0
0
0
0
0
0
0
0
0
0
7
7
10
10
10
10
10
10
7
7
0
0
0
0
0
0
0
0
7
7
10
10
10
10
10
7
7
0
0
0
0
0
0
它一直重复到最后
我想从中得到的是
该列中的每个非零值集都应采用并将其作为新列添加到数据框。
让我们说，第一组非零值应作为新列“ set1”，依此类推。
如果我能找到任何可能的解决方案，那就太好了。 谢谢， Abhinay
这是初始和预期数据帧的更详细示例：
这是我下面的数据框
temp toucha
Timestamp
**185 83 7
191 83 7
197 83 10
. . .
. . .
. . .
2051 83 10**
2057 83 0
2063 83 0
2057 83 0
. . .
. . .
. . .
3000 83 0
**3006 83 7
3012 83 7
3018 83 10
. . .
. . .
. . .
6000 83 10**
6006 83 0
6012 83 0
6018 83 0
. . .
. . .
. . .
8000 83 0
此序列继续进行，
现在，我需要一个看起来像这样的数据框
temp toucha set1 set2 ste3.............
Timestamp
**185 83 7 7 0
191 83 7 7 0
197 83 10 10 0
. . . . .
. . . . .
. . . . .
2051 83 10 10 0**
2057 83 0 0 0
2063 83 0 0 0
2057 83 0 0 0
. . . . .
. . . . .
. . . . .
3000 83 0 0 0
**3006 83 7 0 7
3012 83 7 0 7
3018 83 10 0 10
. . . . .
. . . . .
. . . . .
6000 83 10 0 10**
6006 83 0 0 0
6012 83 0 0 0
6018 83 0 0 0
. . . . .
. . . . .
. . . . .
8000 83 0 0 0
答案 0 :(得分：0)
如果您可以接受setxx列的编号不一定是连续的，则可以使用shift来检测0和非0值之间的变化，然后使用np.split来拆分数据帧索引这些变化。
完成此操作后，可以很容易地为每个序列添加一个新的0列，并在其中复制原始值。但是由于np.split，使用简单的连续索引会更容易。因此代码可能是：
# use a simple consecutive index
df.reset_index(inplace=True)
# split the indices on transition between null and non null values
subs = np.split(df.index.values,
df[((df.toucha == 0)&(df.toucha.shift() != 0)
|(df.toucha != 0)&(df.toucha.shift() == 0))
].index.values)
# process those sequences
for i, a in enumerate(subs):
# ignore empty or 0 value sequences
if len(a) == 0: continue
if df.toucha[a[0]] == 0: continue
df['set'+str(i)] = 0 # initialize a new column with 0
df.loc[a, 'set'+str(i)] = df.toucha.loc[a] # and copy values
# set the index back
df.set_index('Timestamp', inplace=True)
使用以下示例数据
temp toucha
Timestamp
185 83 7
191 83 7
197 83 10
2051 83 10
2057 83 0
2063 83 0
2057 83 0
3000 83 0
3006 83 7
3012 83 7
3018 83 10
6000 83 10
6006 83 0
6012 83 0
6018 83 0
8000 83 0
它给出：
temp toucha set0 set2
Timestamp
185 83 7 7 0
191 83 7 7 0
197 83 10 10 0
2051 83 10 10 0
2057 83 0 0 0
2063 83 0 0 0
2057 83 0 0 0
3000 83 0 0 0
3006 83 7 0 7
3012 83 7 0 7
3018 83 10 0 10
6000 83 10 0 10
6006 83 0 0 0
6012 83 0 0 0
6018 83 0 0 0
8000 83 0 0 0
答案 1 :(得分：0)
# use a simple consecutive index
df.reset_index(inplace=True)
# split the indices on transition between null and non null values
subs = np.split(df.index.values,
df[((df.toucha == 0)&(df.toucha.shift() != 0)
|(df.toucha != 0)&(df.toucha.shift() == 0))
].index.values)
# process those sequences
for i, a in enumerate(subs):
# ignore empty or 0 value sequences
if len(a) == 0: continue
if df.toucha[a[0]] == 0: continue
df['set'+str(i)] = 0 # initialize a new column with 0
df.loc[a, 'set'+str(i)] = df.toucha.loc[a] # and copy values
# set the index back
df.set_index('Timestamp', inplace=True)