Início / coding / Perguntas / 78820456
Accepted
Giampaolo Levorato
Asked: 2024-08-01 18:35:25 +0800 CST

Como duplicar registros no dataframe do pandas com base nos valores das colunas

  • 772

Eu criei um dataframe do pandas da seguinte maneira:

ds = {'col1' : ["A","B"], 'probability' : [0.3, 0.6]}
df = pd.DataFrame(data=ds)

O quadro de dados fica assim:

print(df)   
  col1  probability
0    A   0.3
1    B   0.6

Preciso criar um novo dataframe que duplique cada linha e atribua ao registro duplicado uma probabilidade necessária para somar 1.

Do exemplo acima:

  • Preciso duplicar o registro 0 de modo que A obtenha uma probabilidade de 0,3 (para manter o que já está lá) e o registro duplicado obtenha uma probabilidade de 0,7 (0,3 + 0,7 = 1)
  • Preciso duplicar o registro 1 de modo que B obtenha uma probabilidade de 0,6 (para manter o que já está lá) e o registro duplicado obtenha uma probabilidade de 0,4 (0,6 + 0,4 = 1)

O dataframe resultante fica assim:

  col1  probability
0    A          0.3
1    A          0.7
2    B          0.6
3    B          0.4

Alguém pode me ajudar a fazer isso em pandas, por favor?

pandas

2 respostas

  1. Uma solução possível, que primeiro cria um segundo dataframe com col1e 1-probability. Em seguida, ele concatena verticalmente o segundo dataframe com o original e classifica por col1:

    pd.concat([
    df, 
    pd.DataFrame(zip(df['col1'], 1-df['probability']), columns=df.columns)])
.sort_values('col1')

    Alternativamente (pode ser preferido), como sugere @mozway em um comentário abaixo:

    (pd.concat([
    df, 
    pd.DataFrame({'col1': df['col1'], 'probability': 1-df['probability']})])
 .sort_values('col1'))

    Outra abordagem, usando list comprehensione numpy:

    pd.DataFrame(
    np.vstack([np.array([[x, y], [x, 1-y]]) 
               for x, y in zip(df['col1'], df['probability'])]), 
    columns=df.columns)

    Saída:

      col1  probability
0    A          0.3
0    A          0.7
1    B          0.6
1    B          0.4
    • 3
  2. Best Answer

    Você pode usar isto:

    df = pd.concat([df, df.assign(probability=1 - df["probability"])], ignore_index=True)

      col1  probability
0    A          0.3
1    B          0.6
2    A          0.7
3    B          0.4
    • 1

relate perguntas