python – 重塑Pandas Dataframe的最佳方法

发布时间：2020-12-20 12:14:43 所属栏目：Python 来源：网络整理

导读：我有一个这样的一维数据帧设置： [A1,B1,C1,A2,B2,C2,A3,B3,C3,A4,B4,C4,A5,B5,C5,A6,B6,C6] 在我的程序A1,…中,C6将是从csv读取的数字. 我想将它重塑为2d数据帧,如下所示： [A1,C1][A2,C2][A3,C3][A4,C4][A5,C5][A6,C6] 我可以使用循环来制作它,但它会使程

我有一个这样的一维数据帧设置：

[A1,B1,C1,A2,B2,C2,A3,B3,C3,A4,B4,C4,A5,B5,C5,A6,B6,C6]

在我的程序A1,…中,C6将是从csv读取的数字.
我想将它重塑为2d数据帧,如下所示：

[A1,C1]
[A2,C2]
[A3,C3]
[A4,C4]
[A5,C5]
[A6,C6]

我可以使用循环来制作它,但它会使程序减慢很多,因为我会多次进行这种转换.以这种方式重塑数据的最佳命令是什么？我查看了一堆重构数据帧问题,但找不到任何具体的内容.提前致谢.

解决方法

解析列表时使用步幅(步骤),假设数据采用您提供的格式.

s = [A1,C6]

请注意,如果s最初是一个包含一行和18列的数据框,则可以通过以下方式将其转换为列表：

s = s.T.iloc[:,0].tolist()

然后通过以下方式将结果转换为所选维度的数据框：

df = pd.DataFrame({'A': s[::3],'B': s[1::3],'C': s[2::3]})

更普遍：

s = range(18)

cols = 3
>>> pd.DataFrame([s[n:(n + cols)] for n in range(0,len(s),cols)])
    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9  10  11
4  12  13  14
5  15  16  17

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!