Como replicar linhas em um dataframe do pandas

Você pode usar a seguinte sintaxe básica para replicar cada linha de um DataFrame do pandas várias vezes:

 #replicate each row 3 times
df_new = pd. DataFrame ( np.repeat ( df.values , 3 ,axis= 0 ))

O número no segundo argumento da função NumPy repeat() especifica o número de vezes para replicar cada linha.

O exemplo a seguir mostra como usar essa sintaxe na prática.

Exemplo: replicando linhas em um DataFrame do Pandas

Suponha que temos o seguinte DataFrame do pandas que contém informações sobre vários jogadores de basquete:

 import pandas as pd

#create dataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F'],
                   ' points ': [18, 20, 19, 14, 14, 11],
                   ' assists ': [5, 7, 7, 9, 12, 5],
                   ' rebounds ': [11, 8, 10, 6, 6, 5]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 20 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 5 5

Podemos usar a seguinte sintaxe para replicar cada linha do DataFrame três vezes:

 import numpy as np

#define new DataFrame as original DataFrame with each row repeated 3 times
df_new = pd. DataFrame ( np.repeat ( df.values , 3 ,axis= 0 ))

#assign column names of original DataFrame to new DataFrame
df_new. columns = df. columns

#view new DataFrame
print (df_new)

   team points assists rebounds
0 A 18 5 11
1 A 18 5 11
2 A 18 5 11
3 B 20 7 8
4 B 20 7 8
5 B 20 7 8
6 C 19 7 10
7 C 19 7 10
8 C 19 7 10
9 D 14 9 6
10 D 14 9 6
11 D 14 9 6
12 E 14 12 6
13 E 14 12 6
14 E 14 12 6
15 F 11 5 5
16 F 11 5 5
17 F 11 5 5

O novo DataFrame contém cada uma das linhas do DataFrame original, replicadas três vezes cada.

Observe que os valores do índice também foram redefinidos.

Os valores do índice agora variam de 0 a 17.

Nota : Você pode encontrar a documentação completa para a função NumPy repeat() aqui .

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras tarefas comuns em pandas:

Pandas: como encontrar a diferença entre duas colunas
Pandas: como encontrar a diferença entre duas linhas
Pandas: como classificar colunas por nome