如何在pandas中将包含1000行的单列拆分为每列包含500行的两列块。
我有一个包含单列的csv文件，我需要将其拆分为多个列。以下是csv格式:
我走过的步骤:
我有多个csv文件，其中包含一列364行。我在将它们转换成数据帧后将它们连接起来，但它以线性方式复制文件。
代码I tried
monthly_list = []
for file in ['D0_monthly.csv','c1_monthly.csv','c2_monthly.csv','c2i_monthly.csv','c3i_monthly.csv','c4i_monthly.csv','D1_monthly.csv','D2i_monthly.csv','D3i_monthly.csv','D4i_monthly.csv',
'D2j_monthly.csv','D3j_monthly.csv','D4j_monthly.csv','c2j_monthly.csv','c3j_monthly.csv','c4j_monthly.csv']:
monthly_file = pd.read_csv(file,header=None,index_col=None,skiprows=[0])
monthly_list.append(monthly_file)
monthly_all_file = pd.concat(monthly_list)
数据如何:
| column1 | 1 | 2
|---|
| 3 |
| 。 |
| 。 |
| 364 |
| 3 |
| 。 |
| 。 |
| 364 |
答案更新为适用于任意列数
可以从列数或行长度开始。对于给定的初始列长度，可以在给定另一个列的情况下计算一个列。在这个答案中，我使用所需的目标列长度-tgt_row_len。
nb_groups = 4
tgt_row_len = 5
df = pd.DataFrame({'column1': np.arange(1,tgt_row_len*nb_groups+1)})
print(df)
column1
0 1
1 2
2 3
3 4
4 5
5 6
6 7
...
17 18
18 19
19 20
为以下分组操作在索引中创建组
df.index = df.reset_index(drop=True).index // tgt_row_len
column1
0 1
0 2
0 3
0 4
0 5
1 6
1 7
...
3 17
3 18
3 19
3 20
dfn = (
df.groupby(level=0).apply(lambda x: x['column1'].reset_index(drop=True)).T
.rename(columns = lambda x: 'col' + str(x+1)).rename_axis(None)
)
print(dfn)
col1 col2 col3 col4
0 1 6 11 16
1 2 7 12 17
2 3 8 13 18
3 4 9 14 19
4 5 10 15 20
处理创建两个列的上一个答案
这个答案只显示了10个目标行作为示例。这可以很容易地更改为364或500。
一个包含2组10行的数据帧
tgt_row_len = 10
df = pd.DataFrame({'column1': np.tile(np.arange(1,tgt_row_len+1),2)})
print(df)
column1
0 1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10
10 1
11 2
12 3
13 4
14 5
15 6
16 7
17 8
18 9
19 10
将底部行集移动到column2
df.assign(column2=df['column1'].shift(-tgt_row_len)).iloc[:tgt_row_len].astype(int)
column1 column2
0 1 1
1 2 2
2 3 3
3 4 4
4 5 5
5 6 6
6 7 7
7 8 8
8 9 9
9 10 10
我不知道是否有人有更有效的解决方案，但使用pd。在临时列上合并应该可以解决您的问题。以下是您可以编写的内容的快速实现。
csv1['temp'] = 1
csv2['temp'] = 1
new_df=pd.merge(csv1,csv2,on=["temp"])
new_df.drop("temp",axis=1)
我希望这对你有帮助!