根据列值在pandas DataFrame中重复行

Question

我有以下的数据框：

code . role    . persons
123 .  Janitor . 3
123 .  Analyst . 2
321 .  Vallet  . 2
321 .  Auditor . 5

第一行的意思是我有3个担任清洁工角色的人。 我的问题是我需要每个人都有一行。我的数据框应该是这样的：

df:

code . role    . persons
123 .  Janitor . 3
123 .  Janitor . 3
123 .  Janitor . 3
123 .  Analyst . 2
123 .  Analyst . 2
321 .  Vallet  . 2
321 .  Vallet  . 2
321 .  Auditor . 5
321 .  Auditor . 5
321 .  Auditor . 5
321 .  Auditor . 5
321 .  Auditor . 5

如何使用pandas来实现这个功能呢？

- aabujamra

---

可能重复：根据不同列中的值复制行 - Sam Firke

Answer 1

reindex和repeat的作用

df.reindex(df.index.repeat(df.persons))
Out[951]: 
   code  .     role ..1  persons
0   123  .  Janitor   .        3
0   123  .  Janitor   .        3
0   123  .  Janitor   .        3
1   123  .  Analyst   .        2
1   123  .  Analyst   .        2
2   321  .   Vallet   .        2
2   321  .   Vallet   .        2
3   321  .  Auditor   .        5
3   321  .  Auditor   .        5
3   321  .  Auditor   .        5
3   321  .  Auditor   .        5
3   321  .  Auditor   .        5

提示：你可以添加.reset_index(drop=True)来获取新的索引

- BENY

---

太棒了，我知道有一个好的解决方案是使用repeat，但这个方法非常完美。 - cs95

好的，这很不错。也许最后再加一个 reset_index() 函数呢？ - Anton vBR

@Wen 我喜欢学习新东西！你会相信，我以前不知道可以在重新索引中重复使用索引值。我一直使用重新索引来洗牌或添加索引，但从未像你这样复制过。太棒了。干得好。+1 - Scott Boston

@ScottBoston 谢谢你，伙计 :-) SO 是一个很好的地方，让我们相互学习（我很久以前从 coldspeed 那里学到了这一点 :-) ） - BENY

Answer 2

Wen的解决方案非常好，易于理解，但是如果有重复的行，它将抛出ValueError: cannot reindex from a duplicate axis异常。

以下是一种替代方案，通过在df.values上调用repeat来避免这种情况。

df

   code     role  persons
0   123  Janitor        3
1   123  Analyst        2
2   321   Vallet        2
3   321  Auditor        5


pd.DataFrame(df.values.repeat(df.persons, axis=0), columns=df.columns)

   code     role persons
0   123  Janitor       3
1   123  Janitor       3
2   123  Janitor       3
3   123  Analyst       2
4   123  Analyst       2
5   321   Vallet       2
6   321   Vallet       2
7   321  Auditor       5
8   321  Auditor       5
9   321  Auditor       5
10  321  Auditor       5
11  321  Auditor       5

- cs95

---

就性能而言，是使用.reindex()更好还是.values.repeat()更好？ - lmiguelvargasf

@lmiguelvargasf 这个解决方案更快。但是温的解决方案需要更少的字符，并且我足够友好，在他的答案下留了一个好评，这激发了所有额外的赞成票。 - cs95

我看到你的解决方案唯一的问题是，数据框中每一列的 dtypes 都被更改为 object。 - lmiguelvargasf

这个方法适用于有重复行的情况，而不同于BENY的解决方案，后者会抛出一个 ValueError (ValueError: cannot reindex from a duplicate axis) 异常。 - There

Answer 3

声望不够，无法发表评论，但可以借鉴 @cs95 回答和 @lmiguelvargasf 的评论，并使用以下方法保留 dtypes：

pd.DataFrame(
    df.values.repeat(df.persons, axis=0),
    columns=df.columns,
).astype(df.dtypes)

- SultanOrazbayev

Answer 4

你可以使用 Series 方法 repeat ：

df = pd.DataFrame({'col1': [2, 3],
                   'col2': ['a', 'b'],
                   'col3': [20, 30]})

df.apply(lambda x: x.repeat(df['col1']))
# df.apply(pd.Series.repeat, repeats=df['col1'])

或者使用numpy函数repeat：

df.apply(np.repeat, repeats=df['col1'])

输出：

   col1 col2  col3
0     2    a    20
0     2    a    20
1     3    b    30
1     3    b    30
1     3    b    30

- Mykola Zotko