熊猫从一行创建数据帧

Question

假设我有一些数据帧df，我想创建一个新的数据帧new_df，其中n行与df中的idx行相同。与相比，有没有办法在更少的线路中做到这一点

import pandas as pd
df = pd.DataFrame()
new_df = pd.DataFrame()

for i in range(n):
new_df.loc[i] = df.iloc[idx]

感谢

Answer 1

您可以使用repeat:

N = 5
new_df = df.loc[df.index.repeat(N)]
# or for a particular row idx
new_df = df.loc[df.loc[idx].index.repeat(N)]

或者，对于具有drop=True:的新索引reset_index

new_df = df.loc[df.index.repeat(N)].reset_index(drop=True)
# or for a particular row idx
new_df = df.loc[df.loc[idx].index.repeat(N)].reset_index(drop=True)

注意如果输入中有多行，并且只想重复一行或几行用df.loc[['idx1', 'idx2', 'idx3']].index.repeat(N)的df.loc[idx].index.repeat(N)替换df.index.repeat(N)

示例输入：

df = pd.DataFrame([['A', 'B', 'C']])

输出：

0  1  2
0  A  B  C
1  A  B  C
2  A  B  C
3  A  B  C
4  A  B  C

Answer 2

样本：

np.random.seed(100)
df = pd.DataFrame(np.random.randint(10, size=(5,5)), columns=list('ABCDE'))
print (df)
A  B  C  D  E
0  8  8  3  7  7
1  0  4  2  5  2
2  2  2  1  0  8
3  4  0  9  6  2
4  4  1  5  3  4

您可以按行idx创建字典/列表，并调用DataFrame构造函数：

idx = 2
N = 10
df1 = pd.DataFrame(df.loc[idx].to_dict(), index=range(N))
df1 = pd.DataFrame([df.loc[idx].tolist()], index=range(N), columns=df.columns)
print (df1)
A  B  C  D  E
0  2  2  1  0  8
1  2  2  1  0  8
2  2  2  1  0  8
3  2  2  1  0  8
4  2  2  1  0  8
5  2  2  1  0  8
6  2  2  1  0  8
7  2  2  1  0  8
8  2  2  1  0  8
9  2  2  1  0  8

使用numpy.repeat和DataFrame.loc的另一个解决方案，对于默认索引，使用DataFrame.reset_index和drop=True：

idx = 2
N = 10
df1 = df.loc[np.repeat(idx, N)].reset_index(drop=True)
print (df1)
A  B  C  D  E
0  2  2  1  0  8
1  2  2  1  0  8
2  2  2  1  0  8
3  2  2  1  0  8
4  2  2  1  0  8
5  2  2  1  0  8
6  2  2  1  0  8
7  2  2  1  0  8
8  2  2  1  0  8
9  2  2  1  0  8

性能比较(与我的数据，在您的真实数据中进行bset测试(：

np.random.seed(100)
df = pd.DataFrame(np.random.randint(10, size=(5,5)), columns=list('ABCDE'))
print (df)
idx = 2
N = 10000
In [260]: %timeit pd.DataFrame([df.loc[idx].tolist()], index=range(N), columns=df.columns)
690 µs ± 44.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [261]: %timeit pd.DataFrame(df.loc[idx].to_dict(), index=range(N))
786 µs ± 106 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [262]: %timeit df.loc[np.repeat(idx, N)].reset_index(drop=True)
796 µs ± 26.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
@mozway solution
In [263]: %timeit df.loc[df.index.repeat(N)].reset_index(drop=True)
3.62 ms ± 178 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
@original solution
In [264]: %%timeit
...: nnew_df = pd.DataFrame(columns=df.columns)
...: for i in range(N):
...:     new_df.loc[i] = df.iloc[idx]
...:     
2.44 s ± 274 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)