python - 创建额外的记录并用 pandas 向前填充

Question

我有一个 pandas 数据框，如下所示:

+----+-------+-----+
|    | name  | max |
+----+-------+-----+
| 0  | a     | 1   |
| 1  | b     | 2   |
| 2  | c     | 2   |
| 3  | d     | 4   |
| 4  | e     | 1   |
+----+-------+-----+

专栏name表示项目名称，而列 max表示 name 所属的最大组号。通过提供此数据的方式，一个项目不仅属于该最大组，而且还属于小于该数字的每个组。

我想“分解”这个数据框，为每个名字创建额外的记录，并将最大值倒数到值 1在新列中。

最终，我希望我的新数据框如下所示:

+----+-------+------+--------+
|    | name  | max  | number |
+----+-------+------+--------+
| 0  | a     | 1    | 1      |
| 1  | b     | 2    | 2      |
| 2  | b     | 2    | 1      |
| 3  | c     | 2    | 2      |
| 4  | c     | 2    | 1      |
| 5  | d     | 4    | 4      |
| 6  | d     | 4    | 3      |
| 7  | d     | 4    | 2      |
| 8  | d     | 4    | 1      |
| 9  | e     | 1    | 1      |
+----+-------+------+--------+

我正在考虑使用函数 df.ffill() ，但这仅填充 NaN ，我需要首先创建 NaN行。我也在考虑使用 df.groupby() ，但我也不确定这是否是正确的方向。

我可以想出一种方法来做到这一点，比如嵌套for-loop ，但我不想迭代数据框。

Answer 1

我的变体是:

df2 = df.reindex(df.index.repeat(df["max"])).reset_index(drop=True)
df2["number"] = df2.groupby("name").cumcount(ascending=False) + 1

这给出了

In [137]: df2
Out[137]: 
  name  max  number
0    a    1       1
1    b    2       2
2    b    2       1
3    c    2       2
4    c    2       1
5    d    4       4
6    d    4       3
7    d    4       2
8    d    4       1
9    e    1       1

它确实假设原始索引是唯一的，以使重复操作简洁。如果需要，我们可以替换为

df2 = df.iloc[np.repeat(range(len(df)), df["max"])].reset_index(drop=True)

或者其他什么。