วิธีจำลองแถวใน pandas dataframe

คุณสามารถใช้ไวยากรณ์พื้นฐานต่อไปนี้เพื่อจำลองแต่ละแถวของ Pandas DataFrame ได้หลายครั้ง:

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

ตัวเลขในอาร์กิวเมนต์ที่สองของฟังก์ชัน NumPy Repeat() ระบุจำนวนครั้งในการจำลองแต่ละบรรทัด

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่าง: การจำลองแถวใน Pandas DataFrame

สมมติว่าเรามี DataFrame แพนด้าต่อไปนี้ซึ่งมีข้อมูลเกี่ยวกับผู้เล่นบาสเกตบอลต่างๆ:

 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

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อจำลองแต่ละแถวของ DataFrame สามครั้ง:

 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

DataFrame ใหม่ประกอบด้วยแต่ละแถวจาก DataFrame ดั้งเดิม ซึ่งจำลองแบบสามครั้งในแต่ละครั้ง

โปรดทราบว่าค่าดัชนีก็ถูกรีเซ็ตเช่นกัน

ค่าดัชนีอยู่ในช่วงตั้งแต่ 0 ถึง 17

หมายเหตุ : คุณสามารถดูเอกสารฉบับเต็มสำหรับฟังก์ชัน NumPy Repeat() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีการทำงานทั่วไปอื่นๆ ในแพนด้า:

นุ่น: วิธีค้นหาความแตกต่างระหว่างสองคอลัมน์
นุ่น: วิธีค้นหาความแตกต่างระหว่างสองบรรทัด
Pandas: วิธีจัดเรียงคอลัมน์ตามชื่อ