我有一个数据框如下。
df = DataFrame([{'B1': '1C', 'B2': '', 'B3': '', },
{'B1': '3A', 'B2': '1A', 'B3': ''},
{'B1': '41A', 'B2': '28A', 'B3': '3A'}])
B1 B2 B3
0 1C
1 3A 1A
2 41A 28A 3A
现在，我从B1-B3中提取字母，并将其添加到新列U1-U3中，得到：
B1 B2 B3 U1 U2 U3
0 1C C
1 3A 1A A A
2 41A 28A 3A A A A
我想让行像这样爆炸：
B1 B2 B3 U1 U2 U3
0 1C C
1 3A 1A A
2 3A 1A A
3 41A 28A 3A A
4 41A 28A 3A A
5 41A 28A 3A A
提前致谢
最佳答案
我认为，需要三步解决
1）从数据中提取Alphabates并创建新列，
2）复制带有w.r.t值的行并
3）用单位矩阵掩盖。
df = pd.DataFrame([{'B1': '1C', 'B2': '', 'B3': '', },
{'B1': '3A', 'B2': '1A', 'B3': ''},
{'B1': '41A', 'B2': '28A', 'B3': '3A'}])
B1 B2 B3
0 1C
1 3A 1A
2 41A 28A 3A
1）从行中提取Alphabates并将其分配为列
df = df.merge(df.apply(lambda x: x.str.extract('([A-Za-z])')).add_prefix('U_'), left_index=True,right_index=True,how='outer')
出：
B1 B2 B3 U_B1 U_B2 U_B3
0 1C C NaN NaN
1 3A 1A A A NaN
2 41A 28A 3A A A A
2）您可以尝试数据框的
duplicating the rows大于1的值# Duplicating the rows of dataframe
val = df[['U_B1','U_B2','U_B3']].notnull().sum(axis=1)
df1 = df.loc[np.repeat(val.index,val)]
-> 3）然后通过索引分组，仅选择每个组的
masked values of identity matrix（np.identity）w.r.t长度。df1[['U_B1','U_B2','U_B3']] = df1.groupby(df1.index)['U_B1','U_B2','U_B3'].apply(lambda x: x.dropna(axis=1).mask(np.identity(len(x))==0))
出：
B1 B2 B3 U_B1 U_B2 U_B3
0 1C C
1 3A 1A A
1 3A 1A A
2 41A 28A 3A A
2 41A 28A 3A A
2 41A 28A 3A A
关于python - Python- Pandas 轮流爆炸，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53314441/