Python Pandas 复制并修改数据框中的一些行

Question

我有一个像这样的数据框

Names;        Count;  PartNr
R1, R2,...Rn; n;       1234-5678
C1, C2;       2;       1234-6789

列表应导出为 csv 文件，以便导入到另一个专有软件中。该软件在“名称”列中最多接受 100 个字符，如果有更多数据，我应该换行现有行，复制整个列并添加其余名称。因此，名称列中应有多行，最多 100 个字符。零件的绝对计数应该只在第一行，因此计数值应设置为零。

Names;             Count; PartNr
R1, R2,...Ra;        n;     1234-5678
Ra+1, Ra+2,...Rb;    0;     1234-5678   
Rb+1, Rb+2,...Rn;    0;     1234-5678
C1, C2;              2;     1234-6789

有没有好的方法可以直接在 pandas 中修改它？

我尝试迭代行，但不允许我修改正在迭代的数据帧，所以这不起作用。还有更好的解决方案吗？

数据帧的长度为 10 到 1000 倍，并且只有少数行的名称太长，因此性能并不重要。

Answer 1

我认为 Pandas 中没有特别好的方法可以做到这一点。每当 DataFrame 保存一列列表，并且您想要进行某种需要迭代列表的计算时，您就被迫为该列中的每个项目(即列表)调用一次 Python 函数。这会损害性能，因为这里无法应用 Pandas 的快速矢量化操作。这个故事的寓意是，如果可能的话，避免将列表放入 DataFrame 中。

(当然，就您的情况而言，您似乎想在特定的位置准备一个 CSV另一个应用程序的格式。因此，如果这需要 DataFrame 中的列表，那么它。)

正如您所提到的，您可以迭代行。您可以使用 iterrows 或 itertuples。我将使用 itertuples 因为它往往更快:

import itertools as IT
import numpy as np
import pandas as pd

Rs = ['R{}'.format(i) for i in range(1,251)]
Cs = ['C1', 'C2']
df = pd.DataFrame({'Names': [Rs, Cs], 'Count': ['n',0], 
                   'PartNr':['1234-5678','1234-6789']})

def chunks(seq, n):
    # http://stackoverflow.com/a/312464/190597 (Ned Batchelder)
    """ Yield successive n-sized chunks from seq."""
    for i in range(0, len(seq), n):
        yield seq[i:i + n]

result = []
for row in df.itertuples():
    result.append(pd.DataFrame({'Names': list(chunks(row.Names, 100)),
                          'Count':row.Count,
                          'PartNr':row.PartNr}))

result = pd.concat(result, axis=0, ignore_index=True)
print(result)

产量

  Count                                              Names     PartNr
0     n  [R1, R2, R3, R4, R5, R6, R7, R8, R9, R10, R11,...  1234-5678
1     n  [R101, R102, R103, R104, R105, R106, R107, R10...  1234-5678
2     n  [R201, R202, R203, R204, R205, R206, R207, R20...  1234-5678
3     0                                           [C1, C2]  1234-6789

<小时/>

在itertuples for-loop内，为每一行构造一个新的DataFrame。DataFrame 被收集到一个名为 result 的列表中。在for循环之后完成后，DataFrame 列表将连接成一个 DataFrame。