如何在Pandas中复制行？
如何在Pandas中复制行？
提问于 2018-06-11 06:12:52
我的pandas数据帧如下所示：
Person ID ZipCode Gender
0 12345 882 38182 Female
1 32917 271 88172 Male
2 18273 552 90291 Female我想将每行复制3次，如下所示：
Person ID ZipCode Gender
0 12345 882 38182 Female
0 12345 882 38182 Female
0 12345 882 38182 Female
1 32917 271 88172 Male
1 32917 271 88172 Male
1 32917 271 88172 Male
2 18273 552 90291 Female
2 18273 552 90291 Female
2 18273 552 90291 Female当然，重新设置索引，使其成为：
0
1
2
...我尝试了以下解决方案：
pd.concat([df[:5]]*3, ignore_index=True)和：
df.reindex(np.repeat(df.index.values, df['ID']), method='ffill')但它们都不起作用。
回答 4
Stack Overflow用户
回答已采纳
发布于 2018-06-11 06:41:03
版本1：
尝试使用np.repeat
newdf = pd.DataFrame(np.repeat(df.values, 3, axis=0))
newdf.columns = df.columns
print(newdf)上面的代码将输出：
Person ID ZipCode Gender
0 12345 882 38182 Female
1 12345 882 38182 Female
2 12345 882 38182 Female
3 32917 271 88172 Male
4 32917 271 88172 Male
5 32917 271 88172 Male
6 18273 552 90291 Female
7 18273 552 90291 Female
8 18273 552 90291 Femalenp.repeat重复df，3时间的值。
然后，我们使用赋值new_df.columns = df.columns来添加列。
版本2：
您还可以在第一行中指定列名，如下所示：
newdf = pd.DataFrame(np.repeat(df.values, 3, axis=0), columns=df.columns)
print(newdf)上面的代码还将输出：
Person ID ZipCode Gender
0 12345 882 38182 Female
1 12345 882 38182 Female
2 12345 882 38182 Female
3 32917 271 88172 Male
4 32917 271 88172 Male
5 32917 271 88172 Male
6 18273 552 90291 Female
7 18273 552 90291 Female
8 18273 552 90291 FemaleStack Overflow用户
发布于 2018-06-11 08:27:16
使用concat
pd.concat([df]*3).sort_index()
Out[129]:
Person ID ZipCode Gender
0 12345 882 38182 Female
0 12345 882 38182 Female
0 12345 882 38182 Female
1 32917 271 88172 Male
1 32917 271 88172 Male
1 32917 271 88172 Male
2 18273 552 90291 Female
2 18273 552 90291 Female
2 18273 552 90291 FemaleStack Overflow用户
发布于 2021-08-20 14:58:43
您可以尝试以下代码：
df = df.iloc[df.index.repeat(3),:].reset_index()df.index.repeat(3)将创建一个列表，其中每个索引值将重复3次，df.iloc[df.index.repeat(3),:]将帮助生成包含该列表返回的行的数据帧。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50788508
复制相关文章
相似问题