Question

我有一个包含三列的 Pandas 数据框，前两列是因子，第三列包含计数。我想“爆炸”或“展开”数据框，以便第一列、第二列的每个唯一元素没有一行，而是行数等于计数列的总和，其中每条新行都有一个唯一且递增的标识符号，但我希望两列之一中的每个级别都有一个单独的计数器。请注意，这个问题类似于我昨天问的 How can I 'unroll' a pandas dataframe?，但有一些额外的并发症，我第一次没有意识到，我无法概括（为我自己）如何扩展它。

这是数据框

data = [['van', 'bc', 1], ['abb', 'bc', 3], ['vic','bc',3], ['cal', 'ab', 1], ['edm', 'ab', 2], ['cal','ab', 2], ['van', 'bc', 1]]
df = pd.DataFrame(data, columns = ['city', 'state', 'count'])

我想把它变成这个


data = [['van', 'bc', 'dr0001'], ['abb', 'bc', 'dr0002'], ['abb', 'bc', 'dr0003'], ['abb', 'bc', 'dr0004'],  ['vic', 'bc', 'dr0005'], ['vic', 'bc', 'dr0006'], ['vic', 'bc', 'dr0007'], ['cal', 'ab', 'dr0001'], ['edm', 'ab', 'dr0002'], ['edm', 'ab', 'dr0003'], ['edm', 'ab', 'dr0004'], ['edm', 'ab', 'dr0005'], ['van', 'bc', 'dr0008']]
df = pd.DataFrame(data, columns = ['city', 'state', 'id'])

谢谢

Answer 1

试试这个，我认为你需要一个额外的 groupby 和一些格式来查看你的输出：

import Foundation
#if canImport(FoundationNetworking)
import FoundationNetworking
#endif

var semaphore = DispatchSemaphore (value: 0)

var request = URLRequest(url: URL(string: "http://a542cd3116ed.ngrok.io/api/v1/public/location/66.68994/10.249066/50")!,timeoutInterval: Double.infinity)
request.httpMethod = "GET"

let task = URLSession.shared.dataTask(with: request) { data, response, error in 
  guard let data = data else {
    print(String(describing: error))
    semaphore.signal()
    return
  }
  print(String(data: data, encoding: .utf8)!)
  semaphore.signal()
}

task.resume()
semaphore.wait()

jvm.cpu_load.process
jvm.thread_count
jvm.non_heap_memory
jvm.heap_memory_max

Answer 2

生成 list 然后 explode()
id 状态递增，因此在 DF 形状正确后生成此

data = [['van', 'bc', 1], ['abb', 'bc', 3], ['vic','bc',3], ['cal', 'ab', 1], ['edm', 'ab', 2], ['cal','ab', 2], ['van', 'bc', 1]]
df = pd.DataFrame(data, columns = ['city', 'state', 'count']) 

# first pass, explode
df2 = (df.assign(id=df["count"].apply(lambda n: [f"dr{i+1:05}" for i in range(n)]))
       .explode("id")
       .drop(columns="count").reset_index(drop=True))

# ids increment within state
df2["id"] = df2.groupby("state")["id"].transform(lambda s: [f"dr{i+1:05}" for i,v in enumerate(s)])

输出

<头>

	城市	state	id
0	van	bc	dr00001
1	abb	bc	dr00002
2	abb	bc	dr00003
3	abb	bc	dr00004
4	vic	bc	dr00005
5	vic	bc	dr00006
6	vic	bc	dr00007
7	cal	ab	dr00001
8	edm	ab	dr00002
9	edm	ab	dr00003
10	cal	ab	dr00004
11	cal	ab	dr00005
12	van	bc	dr00008

如何展开多级熊猫数据框

2 个答案:

输出