我正在寻找一个功能,实现以下。最好用一个例子来说明。考虑:
pd.DataFrame([ [1, 2, 3 ], [4, 5, np.nan ]], columns=['x', 'y1', 'y2'])
看起来像:
x y1 y2
0 1 2 3
1 4 5 NaN
我想对
y1
和y2
列进行collapase,在必要时延长DataFame,以便输出: x y
0 1 2
1 1 3
2 4 5
也就是说,对于
x
和y1
或x
和y2
之间的每个组合,一行。我正在寻找一个相对有效的函数,因为我有多个y
s和许多行。 最佳答案
这是一个基于NumPy的,因为你在寻找性能-
def gather_columns(df):
col_mask = [i.startswith('y') for i in df.columns]
ally_vals = df.iloc[:,col_mask].values
y_valid_mask = ~np.isnan(ally_vals)
reps = np.count_nonzero(y_valid_mask, axis=1)
x_vals = np.repeat(df.x.values, reps)
y_vals = ally_vals[y_valid_mask]
return pd.DataFrame({'x':x_vals, 'y':y_vals})
样本运行-
In [78]: df #(added more cols for variety)
Out[78]:
x y1 y2 y5 y7
0 1 2 3.0 NaN NaN
1 4 5 NaN 6.0 7.0
In [79]: gather_columns(df)
Out[79]:
x y
0 1 2.0
1 1 3.0
2 4 5.0
3 4 6.0
4 4 7.0
如果
y
列总是从第二列开始直到结束,那么我们可以简单地对数据帧进行切片,从而进一步提高性能,如下所示-def gather_columns_v2(df):
ally_vals = df.iloc[:,1:].values
y_valid_mask = ~np.isnan(ally_vals)
reps = np.count_nonzero(y_valid_mask, axis=1)
x_vals = np.repeat(df.x.values, reps)
y_vals = ally_vals[y_valid_mask]
return pd.DataFrame({'x':x_vals, 'y':y_vals})
关于python - 根据Pandas中的堆栈列延长DataFrame,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/50481372/