我有一个包含约20年数据的大型数据框。我想按年对此数据框进行分组，然后向每个组添加相同的新X值集合。我不知道如何使用pd.concat和groupby。我该如何同时使用pd.concat和df.groupby？
以下是我的数据框子集（我删除了一堆行只是为了显示我想要按年份分组的多个年份）。
my data frame:
XSNO YEAR X Z
5 LOL001 1978 0.22 -0.44
6 LOL001 1978 0.95 -0.55
7 LOL001 1978 1.70 -1.01
8 LOL001 1978 2.10 -1.22
9 LOL001 1978 2.68 -1.34
10 LOL001 1978 3.27 -1.41
48 LOL001 1978 17.60 -1.86
49 LOL001 1978 18.21 -1.77
50 LOL001 1978 18.41 -1.65
51 LOL001 1978 18.67 -1.54
52 LOL001 1978 19.00 -1.5
68 LOL001 1978 23.60 -0.31
78 LOL001 1980 0.40 -0.56
79 LOL001 1980 1.50 -0.91
80 LOL001 1980 2.50 -1.25
81 LOL001 1980 3.20 -1.43
82 LOL001 1980 3.90 -1.44
83 LOL001 1980 4.50 -1.55
84 LOL001 1980 5.80 -1.22
101 LOL001 1980 21.50 -0.96
102 LOL001 1980 22.50 -0.69
103 LOL001 1980 23.60 -0.43
104 LOL001 1980 25.10 -0.09
107 LOL001 1981 0.30 -0.40
108 LOL001 1981 0.60 -0.56
109 LOL001 1981 2.40 -1.20
110 LOL001 1981 4.40 -1.34
111 LOL001 1981 7.00 -1.10
112 LOL001 1981 8.60 -1.49
What I would like the output to be (just a subset of the added values for one year):
XSNO YEAR X Z
LOL004 1978 0 NaN
LOL003 1978 0.05 NaN
LOL002 1978 0.1 NaN
LOL001 1978 0.15 NaN
LOL000 1978 0.2 NaN
LOL001 1978 0.22 -0.44
LOL002 1978 0.25 NaN
LOL003 1978 0.3 NaN
LOL004 1978 0.35 NaN
LOL005 1978 0.4 NaN
LOL006 1978 0.45 NaN
LOL007 1978 0.5 NaN
LOL008 1978 0.55 NaN
LOL009 1978 0.6 NaN
LOL010 1978 0.65 NaN
LOL011 1978 0.7 NaN
LOL012 1978 0.75 NaN
LOL013 1978 0.8 NaN
LOL014 1978 0.85 NaN
LOL001 1978 0.95 -0.55
max = df.X.max()
x = np.arange(0, max, 0.05)
x = pd.DataFrame({'X': x})
concat_df = df.groupby(['YEAR']).apply(lambda x: x.concat([df1, x]))
# this doesn't work and gives me an error
concat = pd.concat([df1, x])
# this doesn't give me what I want, it just tacks all the 'x' values (new values) on at the end.
我不确定如何在分组的pandas数据框中使用merge/join/concat函数。我似乎找不到其他与我所寻找的相同的问题/答案。
pd.concat()就像.append()，它只是将新数据添加到第一个dataframe的末尾。 - BeanBagTheCat