Pandas Dataframe 重复行基于一列中的唯一值，因此每个唯一值具有相同的行数

Question

我有一个如下所示的数据框：

import numpy as np
import pandas as pd
df = pd.DataFrame({"Colum1":

               ["A", "A", "A", "A", "B", "B", "B", "C", "C", "D"],

               "Colum2": [24., 25, 21., 33, 26, 24., 25, 21., 33, 26],

               "Colum3": [0.2, 0.3, 0.4, 0.5, 0.6, 0.2, 0.3, 0.4, 0.5, 0.6]})

  Colum1  Colum2  Colum3
0      A    24.0     0.2
1      A    25.0     0.3
2      A    21.0     0.4
3      A    33.0     0.5
4      B    26.0     0.6
5      B    24.0     0.2
6      B    25.0     0.3
7      C    21.0     0.4
8      C    33.0     0.5
9      D    26.0     0.6

这里我有4行对应A，3行对应B，2行C，1行D。

如何使用平均值为 B、C 和 D 添加行，使其与 A 具有相同的数字以具有 4 行？例如 B 对于 colum2 的平均值是 (26+25+24)/3 = 25 而对于 colum3 是 (0.6+0.2+0.3)/3 = 0.37 所以我添加一行 B 25 0.37

对于 C，只有 2 行，第 2 列和第 3 列的平均值分别为 27 和 0.45 所以我添加了两行 C 27 0.45

对于 D 只有一行，所以我们添加具有相同值的三行

目标是：

  Colum1  Colum2  Colum3
0      A    24.0     0.2
1      A    25.0     0.3
2      A    21.0     0.4
3      A    33.0     0.5
4      B    26.0     0.6
5      B    24.0     0.2
6      B    25.0     0.3
7      B    25.0     0.37
8      C    21.0     0.4
9      C    33.0     0.5
10     C    27.0     0.45
11     C    27.0     0.45
12     D    26.0     0.6
13     D    26.0     0.6
14     D    26.0     0.6
15     D    26.0     0.6

Answer 1

我想这就是您要找的。

df = pd.DataFrame({"Colum1":

               ["A", "A", "A", "A", "B", "B", "B", "C", "C", "D"],

               "Colum2": [24., 25, 21., 33, 26, 24., 25, 21., 33, 26],

               "Colum3": [0.2, 0.3, 0.4, 0.5, 0.6, 0.2, 0.3, 0.4, 0.5, 0.6]})

# get max value 
max_val = df.groupby('Colum1').size().max()
# get mean for each group(A, B, C, D)
mean_df = df.groupby('Colum1').mean().reset_index()

new_df = []

for col, grp in df.groupby('Colum1'):
    append_list = [grp]
    if(len(grp) < max_val):
        for i in range(max_val - len(grp)):
            append_list.append(mean_df[mean_df['Colum1'] == col])
    new_df.append(pd.concat(append_list))
output_df = pd.concat(new_df)
output_df

Answer 2

解决方案

g = df.groupby('Colum1')
avg, s = g.mean(), g.size()
rows = avg.loc[avg.index.repeat(s.max() - s)]

pd.concat([df, rows.reset_index()]).sort_values('Colum1')

已解释

计算每组mean和size

>>> avg
        Colum2    Colum3
Colum1                  
A        25.75  0.350000
B        25.00  0.366667
C        27.00  0.450000
D        26.00  0.600000

>>> s
Colum1
A    4
B    3
C    2
D    1
dtype: int64

Repeat avg 数据帧的行 N 次，其中 N 是通过从最大组大小中减去每个组的大小获得的

>>> rows
        Colum2    Colum3
Colum1                  
B         25.0  0.366667
C         27.0  0.450000
C         27.0  0.450000
D         26.0  0.600000
D         26.0  0.600000
D         26.0  0.600000

Concat 采样的原始数据帧 rows 以获得具有平衡组分布的数据帧

  Colum1  Colum2    Colum3
0      A    24.0  0.200000
1      A    25.0  0.300000
2      A    21.0  0.400000
3      A    33.0  0.500000
4      B    26.0  0.600000
5      B    24.0  0.200000
6      B    25.0  0.300000
0      B    25.0  0.366667
7      C    21.0  0.400000
8      C    33.0  0.500000
1      C    27.0  0.450000
2      C    27.0  0.450000
9      D    26.0  0.600000
3      D    26.0  0.600000
4      D    26.0  0.600000
5      D    26.0  0.600000

Answer 3

这是一种使用整形的方法：

(df
 .assign(idx=df.groupby('Colum1').cumcount())
 .pivot('idx', 'Colum1')
 .pipe(lambda d: d.fillna(d.mean()))
 .stack()
 .reset_index('Colum1')
 .sort_values(by='Colum1')
)

输出：

    Colum1  Colum2    Colum3
idx                         
0        A    24.0  0.200000
1        A    25.0  0.300000
2        A    21.0  0.400000
3        A    33.0  0.500000
0        B    26.0  0.600000
1        B    24.0  0.200000
2        B    25.0  0.300000
3        B    25.0  0.366667
0        C    21.0  0.400000
1        C    33.0  0.500000
2        C    27.0  0.450000
3        C    27.0  0.450000
0        D    26.0  0.600000
1        D    26.0  0.600000
2        D    26.0  0.600000
3        D    26.0  0.600000

Pandas Dataframe 重复行基于一列中的唯一值，因此每个唯一值具有相同的行数

Pandas Dataframe duplicate rows with mean-based on the unique value in one column and so that each unique value have same number of rows

python

pandas

解决方案

已解释