如何生成一個數據幀，該數據幀根據另一個的數量重複一個數據？

Question

我有以下的數據幀：

數據幀a：

|---------------------| 
|  month  | 
|---------------------| 
|  2017-02-01  | 
|---------------------| 
|  2017-03-01  | 
|---------------------| 
|  2017-04-01  | 
|---------------------| 
|  2017-05-01  | 
|---------------------| 
|  2017-06-01  | 
|---------------------| 

數據幀b：

|------------|---------------------|-----------------| 
|  beds |  model  |  units  | 
|------------|---------------------|-----------------| 
|  1  |   0.14  |  5  | 
|------------|---------------------|-----------------| 
|  2  |   0.26  |  9  | 
|------------|---------------------|-----------------| 

，我需要產生以下數據幀：

|------------|---------------------|-----------------|---------------------| 
|  beds |  model  |  units  |  month  | 
|------------|---------------------|-----------------|---------------------| 
|  1  |   0.14  |  5  |  2017-02-01  | 
|------------|---------------------|-----------------|---------------------| 
|  1  |   0.14  |  5  |  2017-03-01  | 
|------------|---------------------|-----------------|---------------------| 
|  1  |   0.14  |  5  |  2017-04-01  | 
|------------|---------------------|-----------------|---------------------| 
|  1  |   0.14  |  5  |  2017-05-01  | 
|------------|---------------------|-----------------|---------------------| 
|  1  |   0.14  |  5  |  2017-06-01  | 
|------------|---------------------|-----------------|---------------------| 
|  2  |   0.26  |  9  |  2017-02-01  | 
|------------|---------------------|-----------------|---------------------| 
|  2  |   0.26  |  9  |  2017-03-01  | 
|------------|---------------------|-----------------|---------------------| 
|  2  |   0.26  |  9  |  2017-04-01  | 
|------------|---------------------|-----------------|---------------------| 
|  2  |   0.26  |  9  |  2017-05-01  | 
|------------|---------------------|-----------------|---------------------| 
|  2  |   0.26  |  9  |  2017-06-01  | 
|------------|---------------------|-----------------|---------------------| 

我正在考慮使用一個for循環，但我想知道是否有一種方法可以在不使用循環的情況下在熊貓上進行。重點是b中的每一行都有一個新的行，並在a的對應月份。

Answer 1

您可以根據a個月的值和b的索引值生成新的pd.MultiIndex。然後reindex在pd.MultiIndex

mux = pd.MultiIndex.from_product([b.index, a.month], names=[None, 'month']) 
# included `reset_index(drop=True) on the advice from `@jezrael` 
# this replaces the non-unique index with a unique index 
b.reindex(mux, level=0).reset_index('month').reset_index(drop=True) 

     month beds model units 
0 2017-02-01  1 0.14  5 
1 2017-03-01  1 0.14  5 
2 2017-04-01  1 0.14  5 
3 2017-05-01  1 0.14  5 
4 2017-06-01  1 0.14  5 
5 2017-02-01  2 0.26  9 
6 2017-03-01  2 0.26  9 
7 2017-04-01  2 0.26  9 
8 2017-05-01  2 0.26  9 
9 2017-06-01  2 0.26  9 

---

簡單的指定水平和快速

%%timeit 
mux = pd.MultiIndex.from_product([b.index, a.month], names=[None, 'month']) 
b.reindex(mux, level=0).reset_index('month') 
1000 loops, best of 3: 1.46 ms per loop 

%timeit a.assign(id=1).merge(b.assign(id=1)).drop('id',1).sort_values("beds") 
100 loops, best of 3: 3.23 ms per loop 

%%timeit 
c = np.tile(a['month'].values, len(b.index)) 
d = np.repeat(b.index.values, len(a.index)) 
df = pd.DataFrame(b.values[d], index= b.index[d], columns=b.columns).assign(month=c) 
df.index = pd.RangeIndex(len(df.index)) 
df[['beds','units']] = df[['beds','units']].astype(int) 
1000 loops, best of 3: 1.28 ms per loop 

Answer 2

merge將使重複值笛卡爾乘積在合併列，這樣你就可以創建兩個數據幀的常數列，並在其合併：

df = a.assign(id=1).merge(b.assign(id=1)).drop('id',1) 
df.sort_values("beds") 

#  month beds model units 
#0 2017-02-01 1 0.14 5 
#2 2017-03-01 1 0.14 5 
#4 2017-04-01 1 0.14 5 
#6 2017-05-01 1 0.14 5 
#8 2017-06-01 1 0.14 5 
#1 2017-02-01 2 0.26 9 
#3 2017-03-01 2 0.26 9 
#5 2017-04-01 2 0.26 9 
#7 2017-05-01 2 0.26 9 
#9 2017-06-01 2 0.26 9 

Answer 3

Numpy溶液numpy.tile和numpy.repeat的重複：

c = np.tile(a['month'].values, len(b.index)) 
d = np.repeat(b.index.values, len(a.index)) 
df = pd.DataFrame(b.values[d], index= b.index[d], columns=b.columns).assign(month=c) 
df.index = pd.RangeIndex(len(df.index)) 
df[['beds','units']] = df[['beds','units']].astype(int) 
print (df) 

    beds model units  month 
0  1 0.14  5 2017-02-01 
1  1 0.14  5 2017-03-01 
2  1 0.14  5 2017-04-01 
3  1 0.14  5 2017-05-01 
4  1 0.14  5 2017-06-01 
5  2 0.26  9 2017-02-01 
6  2 0.26  9 2017-03-01 
7  2 0.26  9 2017-04-01 
8  2 0.26  9 2017-05-01 
9  2 0.26  9 2017-06-01 

print (df.dtypes) 
beds    int32 
model   float64 
units    int32 
month datetime64[ns] 
dtype: object 

另一種解決方案：

c = np.tile(a['month'].values, len(b.index)) 
d = np.tile(b.values, len(a.index)).reshape(-1,len(b.columns)) 
print (d) 
df = pd.DataFrame(d, columns=b.columns).assign(month=c) 
df[['beds','units']] = df[['beds','units']].astype(int) 
print (df) 
    beds model units  month 
0  1 0.14  5 2017-02-01 
1  1 0.14  5 2017-03-01 
2  1 0.14  5 2017-04-01 
3  1 0.14  5 2017-05-01 
4  1 0.14  5 2017-06-01 
5  2 0.26  9 2017-02-01 
6  2 0.26  9 2017-03-01 
7  2 0.26  9 2017-04-01 
8  2 0.26  9 2017-05-01 
9  2 0.26  9 2017-06-01