根据行中的值在特定位置将列表作为数据框中的列插入
inserting a list as a column in dataframe at specific location depending on value in row
所以我有一个数据框（tsv/csv 文件），使用 numpy、pandas 和 statsmodels。
在一列中"medianame"屏幕上会出现媒体名称（一种刺激）（这种刺激是移动的。每行代表一个时间戳）。
每当此列中出现特定媒体名称时（对于此示例，假设为 "stimulus1"），就该插入一个列表，假设有 5 个数字在另一列中，从这一行开始。
列中的其他项目需要为空 (np.nan)。
另一个要求是必须在名称出现 "again" 的任何情况下插入 "medianame" 列。因此，列表中的项目数可能少于媒体名称连续出现的次数（请参见下面示例中的第一种情况）。
如果列表中的项数超过了medianame连续出现的次数，则必须提前截断（见下例中的第二种情况）。
示例：
List1 = [5, 7, 1, 8, 9] # to be inserted in column "position"
# when medianame "stimulus1" appears in column "medianame"
medianame
stimulus0
stimulus0
stimulus0
stimulus0
stimulus0
stimulus0
NaN
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
NaN
stimulus2
stimulus2
stimulus2
stimulus2
stimulus2
NaN
stimulus1
stimulus1
stimulus1
在正确的位置添加后，希望它看起来像：
medianame position
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
NaN NaN
stimulus1 5
stimulus1 7
stimulus1 1
stimulus1 8
stimulus1 9
stimulus1 NaN
stimulus1 NaN
stimulus1 NaN
stimulus1 NaN
stimulus1 NaN
NaN NaN
stimulus2 NaN
stimulus2 NaN
stimulus2 NaN
stimulus2 NaN
stimulus2 NaN
NaN NaN
stimulus1 5
stimulus1 7
stimulus1 1
这是使用 merge 与 groupby、cumsum 和 pd.Series 构造函数的一种方法：
df.assign(key = df.groupby((df['medianame'] != 'stimulus1').cumsum()).cumcount())\
.merge(pd.Series(List1, index=range(1,len(List1)+1)).rename('position'),
left_on='key',
right_index=True,
how='left')\
.drop('key', axis=1)
输出：
medianame position
0 stimulus0 NaN
1 stimulus0 NaN
2 stimulus0 NaN
3 stimulus0 NaN
4 stimulus0 NaN
5 stimulus0 NaN
6 NaN NaN
7 stimulus1 5.0
8 stimulus1 7.0
9 stimulus1 1.0
10 stimulus1 8.0
11 stimulus1 9.0
12 stimulus1 NaN
13 stimulus1 NaN
14 stimulus1 NaN
15 stimulus1 NaN
16 stimulus1 NaN
17 NaN NaN
18 stimulus2 NaN
19 stimulus2 NaN
20 stimulus2 NaN
21 stimulus2 NaN
22 stimulus2 NaN
23 NaN NaN
24 stimulus1 5.0
25 stimulus1 7.0
26 stimulus1 1.0
详情
创建一个系列，s，索引范围从 1:
s = pd.Series(List1, index=range(1,len(List1)+1)).rename('position')
输出：
1 5
2 7
3 1
4 8
5 9
Name: position, dtype: int64
现在，让我们将该系列连接到 stimulus1 所在的数据帧 df，但首先我们需要在 df 上创建一个连接键。
df_key = df.assign(key = df.groupby((df['medianame'] != 'stimulus1').cumsum()).cumcount())
输出：
medianame key
0 stimulus0 0
1 stimulus0 0
2 stimulus0 0
3 stimulus0 0
4 stimulus0 0
5 stimulus0 0
6 NaN 0
7 stimulus1 1
8 stimulus1 2
9 stimulus1 3
10 stimulus1 4
11 stimulus1 5
12 stimulus1 6
13 stimulus1 7
14 stimulus1 8
15 stimulus1 9
16 stimulus1 10
17 NaN 0
18 stimulus2 0
19 stimulus2 0
20 stimulus2 0
21 stimulus2 0
22 stimulus2 0
23 NaN 0
24 stimulus1 1
25 stimulus1 2
26 stimulus1 3
最后，将 df_key 与键上的 s how='left' 和 s.index:
合并
df_key.merge(s, how='left', left_on='key', right_index=True)
输出：
medianame key position
0 stimulus0 0 NaN
1 stimulus0 0 NaN
2 stimulus0 0 NaN
3 stimulus0 0 NaN
4 stimulus0 0 NaN
5 stimulus0 0 NaN
6 NaN 0 NaN
7 stimulus1 1 5.0
8 stimulus1 2 7.0
9 stimulus1 3 1.0
10 stimulus1 4 8.0
11 stimulus1 5 9.0
12 stimulus1 6 NaN
13 stimulus1 7 NaN
14 stimulus1 8 NaN
15 stimulus1 9 NaN
16 stimulus1 10 NaN
17 NaN 0 NaN
18 stimulus2 0 NaN
19 stimulus2 0 NaN
20 stimulus2 0 NaN
21 stimulus2 0 NaN
22 stimulus2 0 NaN
23 NaN 0 NaN
24 stimulus1 1 5.0
25 stimulus1 2 7.0
26 stimulus1 3 1.0
并且，如果需要，您可以删除该键列。
所以我有一个数据框（tsv/csv 文件），使用 numpy、pandas 和 statsmodels。
在一列中"medianame"屏幕上会出现媒体名称（一种刺激）（这种刺激是移动的。每行代表一个时间戳）。
每当此列中出现特定媒体名称时（对于此示例，假设为 "stimulus1"），就该插入一个列表，假设有 5 个数字在另一列中，从这一行开始。
列中的其他项目需要为空 (np.nan)。
另一个要求是必须在名称出现 "again" 的任何情况下插入 "medianame" 列。因此，列表中的项目数可能少于媒体名称连续出现的次数（请参见下面示例中的第一种情况）。
如果列表中的项数超过了medianame连续出现的次数，则必须提前截断（见下例中的第二种情况）。
示例：
List1 = [5, 7, 1, 8, 9] # to be inserted in column "position"
# when medianame "stimulus1" appears in column "medianame"
medianame
stimulus0
stimulus0
stimulus0
stimulus0
stimulus0
stimulus0
NaN
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
stimulus1
NaN
stimulus2
stimulus2
stimulus2
stimulus2
stimulus2
NaN
stimulus1
stimulus1
stimulus1
在正确的位置添加后，希望它看起来像：
medianame position
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
stimulus0 NaN
NaN NaN
stimulus1 5
stimulus1 7
stimulus1 1
stimulus1 8
stimulus1 9
stimulus1 NaN
stimulus1 NaN
stimulus1 NaN
stimulus1 NaN
stimulus1 NaN
NaN NaN
stimulus2 NaN
stimulus2 NaN
stimulus2 NaN
stimulus2 NaN
stimulus2 NaN
NaN NaN
stimulus1 5
stimulus1 7
stimulus1 1
这是使用 merge 与 groupby、cumsum 和 pd.Series 构造函数的一种方法：
df.assign(key = df.groupby((df['medianame'] != 'stimulus1').cumsum()).cumcount())\
.merge(pd.Series(List1, index=range(1,len(List1)+1)).rename('position'),
left_on='key',
right_index=True,
how='left')\
.drop('key', axis=1)
输出：
medianame position
0 stimulus0 NaN
1 stimulus0 NaN
2 stimulus0 NaN
3 stimulus0 NaN
4 stimulus0 NaN
5 stimulus0 NaN
6 NaN NaN
7 stimulus1 5.0
8 stimulus1 7.0
9 stimulus1 1.0
10 stimulus1 8.0
11 stimulus1 9.0
12 stimulus1 NaN
13 stimulus1 NaN
14 stimulus1 NaN
15 stimulus1 NaN
16 stimulus1 NaN
17 NaN NaN
18 stimulus2 NaN
19 stimulus2 NaN
20 stimulus2 NaN
21 stimulus2 NaN
22 stimulus2 NaN
23 NaN NaN
24 stimulus1 5.0
25 stimulus1 7.0
26 stimulus1 1.0
详情
创建一个系列，s，索引范围从 1:
s = pd.Series(List1, index=range(1,len(List1)+1)).rename('position')
输出：
1 5
2 7
3 1
4 8
5 9
Name: position, dtype: int64
现在，让我们将该系列连接到 stimulus1 所在的数据帧 df，但首先我们需要在 df 上创建一个连接键。
df_key = df.assign(key = df.groupby((df['medianame'] != 'stimulus1').cumsum()).cumcount())
输出：
medianame key
0 stimulus0 0
1 stimulus0 0
2 stimulus0 0
3 stimulus0 0
4 stimulus0 0
5 stimulus0 0
6 NaN 0
7 stimulus1 1
8 stimulus1 2
9 stimulus1 3
10 stimulus1 4
11 stimulus1 5
12 stimulus1 6
13 stimulus1 7
14 stimulus1 8
15 stimulus1 9
16 stimulus1 10
17 NaN 0
18 stimulus2 0
19 stimulus2 0
20 stimulus2 0
21 stimulus2 0
22 stimulus2 0
23 NaN 0
24 stimulus1 1
25 stimulus1 2
26 stimulus1 3
最后，将 df_key 与键上的 s how='left' 和 s.index:
合并df_key.merge(s, how='left', left_on='key', right_index=True)
输出：
medianame key position
0 stimulus0 0 NaN
1 stimulus0 0 NaN
2 stimulus0 0 NaN
3 stimulus0 0 NaN
4 stimulus0 0 NaN
5 stimulus0 0 NaN
6 NaN 0 NaN
7 stimulus1 1 5.0
8 stimulus1 2 7.0
9 stimulus1 3 1.0
10 stimulus1 4 8.0
11 stimulus1 5 9.0
12 stimulus1 6 NaN
13 stimulus1 7 NaN
14 stimulus1 8 NaN
15 stimulus1 9 NaN
16 stimulus1 10 NaN
17 NaN 0 NaN
18 stimulus2 0 NaN
19 stimulus2 0 NaN
20 stimulus2 0 NaN
21 stimulus2 0 NaN
22 stimulus2 0 NaN
23 NaN 0 NaN
24 stimulus1 1 5.0
25 stimulus1 2 7.0
26 stimulus1 3 1.0
并且，如果需要，您可以删除该键列。