Question

所以现在，如果我复制一个列表，即x = [1,2,3]* 2 I get x as [1,2,3,1,2,3]但这对Pandas不起作用。

因此，如果我想要复制PANDAS DF，我必须将列设为列表并且多个：

col_x_duplicates =  list(df['col_x'])*N

new_df = DataFrame(col_x_duplicates, columns=['col_x'])

然后对原始数据进行连接：

pd.merge(new_df, df, on='col_x', how='left')

现在重复大熊猫DF N次，有更简单的方法吗？甚至更快的方式？

Answer 1

实际上，既然你想复制整个数据框（而不是每个元素），那么numpy.tile（）可能会更好：

In [69]: import pandas as pd

In [70]: arr = pd.np.array([[1, 2, 3], [4, 5, 6]])

In [71]: arr
Out[71]: 
array([[1, 2, 3],
       [4, 5, 6]])

In [72]: df = pd.DataFrame(pd.np.tile(arr, (5, 1)))

In [73]: df
Out[73]: 
   0  1  2
0  1  2  3
1  4  5  6
2  1  2  3
3  4  5  6
4  1  2  3
5  4  5  6
6  1  2  3
7  4  5  6
8  1  2  3
9  4  5  6

[10 rows x 3 columns]

In [75]: df = pd.DataFrame(pd.np.tile(arr, (1, 3)))

In [76]: df
Out[76]: 
   0  1  2  3  4  5  6  7  8
0  1  2  3  1  2  3  1  2  3
1  4  5  6  4  5  6  4  5  6

[2 rows x 9 columns]

Answer 2

这是使用 n 个 DataFrame df 副本制作 DataFrame 的单行代码

n_df = pd.concat([df] * n)

示例：

df = pd.DataFrame(
    data=[[34, 'null', 'mark'], [22, 'null', 'mark'], [34, 'null', 'mark']], 
    columns=['id', 'temp', 'name'], 
    index=pd.Index([1, 2, 3], name='row')
)
n = 4
n_df = pd.concat([df] * n)

那么 n_df 是以下数据帧：

    id  temp    name
row         
1   34  null    mark
2   22  null    mark
3   34  null    mark
1   34  null    mark
2   22  null    mark
3   34  null    mark
1   34  null    mark
2   22  null    mark
3   34  null    mark
1   34  null    mark
2   22  null    mark
3   34  null    mark

复制Pandas DF N次

2 个答案: