python - 两行配对并从每行切片

Question

我有一个像这样的数据框:

    x1    y1    x2    y2
0  149  2653  2152  2656
1  149  2465  2152  2468
2  149  1403  2152  1406
3  149  1215  2152  1218
4  170  2692  2170  2695
5  170  2475  2170  2478
6  170  1413  2170  1416
7  170  1285  2170  1288

我需要将数据帧索引中的每两行进行配对。即 [0,1]、[2,3]、[4,5]、[6,7] 等，

并从该对的第一行中提取x1,y1，从该对的第二行中提取x2,y2，对于每对行类似。

示例输出:

[[149,2653,2152,2468],[149,1403,2152,1218],[170,2692,2170,2478],[170,1413,2170,1288]]

如有不清楚的地方，请随时询问。

到目前为止，我尝试了按对分组，并尝试了移位操作。但我没能做出配对记录。

Answer 1

Python 解决方案:

按要列表的位置选择列值:

a = df[['x2', 'y2']].iloc[1::2].values.tolist()
b = df[['x1', 'y1']].iloc[0::2].values.tolist()

然后 zip 并在列表理解中连接在一起:

L = [y + x for x, y in zip(a, b)]
print (L)
[[149, 2653, 2152, 2468], [149, 1403, 2152, 1218], 
 [170, 2692, 2170, 2478], [170, 1413, 2170, 1288]]

谢谢@user2285236提供的另一个解决方案:

L = np.concatenate([df.loc[::2, ['x1', 'y1']], df.loc[1::2, ['x2', 'y2']]], axis=1).tolist()

---

纯 Pandas 解决方案:

第一DataFrameGroupBy.shift每 2 行:

df[['x2', 'y2']] = df.groupby(np.arange(len(df)) // 2)[['x2', 'y2']].shift(-1)
print (df)
    x1    y1      x2      y2
0  149  2653  2152.0  2468.0
1  149  2465     NaN     NaN
2  149  1403  2152.0  1218.0
3  149  1215     NaN     NaN
4  170  2692  2170.0  2478.0
5  170  2475     NaN     NaN
6  170  1413  2170.0  1288.0
7  170  1285     NaN     NaN

然后删除 NaN 行，转换为 int，然后转换为 list:

print (df.dropna().astype(int).values.tolist())
[[149, 2653, 2152, 2468], [149, 1403, 2152, 1218], 
 [170, 2692, 2170, 2478], [170, 1413, 2170, 1288]]