Início / coding / Perguntas / 79560135
Accepted
jo_
Asked: 2025-04-07 22:22:41 +0800 CST

Criando novas linhas em um dataframe com base em valores anteriores

  • 772

Tenho um dataframe parecido com este:

test = pd.DataFrame(
    {'onset': [1,3,18,33,35,50],
     'duration': [2,15,15,2,15,15],
     'type': ['Instr', 'Remember', 'SocTestString', 'Rating', 'SelfTestString', 'XXX']
    }
)

Quero criar um novo dataframe de forma que quando typecontiver "TestString",

  • duas novas linhas são criadas abaixo dessa linha, de modo que a linha agora seja dividida em três linhas com (por exemplo) SocTestString_1, SocTestString_2, SocTestString_3
  • para essas três linhas, altere as colunas de duração para o valor 5
  • para essas três linhas, altere também a coluna de início de modo que seja o valor de início da coluna anterior + 5

O dataframe final deve ficar assim:

test_final = pd.DataFrame(
    {'onset': [1,3,18,23,28,33,35,40,45,50],
     'duration': [2,15,5,5,5,2,5,5,5,15],
     'type': ['Instr', 'Remember', 'SocTestString_1', 'SocTestString_2', 'SocTestString_3', 'Rating', 'SelfTestString_1', 'SelfTestString_2', 'SelfTestString_3', 'XXX']
    })

Como posso fazer isso?

python

1 respostas

  1. Best Answer

    Você pode usar str.containspara identificar as linhas de destino, depois Index.repeatduplicá-las, finalmente a indexação booleana e groupby.cumcountatualizar as novas linhas:

    N = 3 # number of rows to create
# identify target rows
m = test['type'].str.contains('TestString')
# repeat them
out = test.loc[test.index.repeat(m.mul(N-1).add(1))]
# divide duration
out.loc[m, 'duration'] /= N
# compute the cumcount
cc = out.loc[m].groupby(level=0).cumcount()
# increment the onset
out.loc[m, 'onset'] += cc*5
# add the suffix
out.loc[m, 'type'] += '_'+cc.add(1).astype(str)

# optionally, reset the index
out.reset_index(drop=True, inplace=True)

    NB. isto pressupõe que o índice original não tenha índices duplicados.

    Saída:

       onset  duration              type
0      1         2             Instr
1      3        15          Remember
2     18         5   SocTestString_1
3     23         5   SocTestString_2
4     28         5   SocTestString_3
5     33         2            Rating
6     35         5  SelfTestString_1
7     40         5  SelfTestString_2
8     45         5  SelfTestString_3
9     50        15               XXX

    Intermediários (sem atualizar as colunas originais e redefinir o índice):

       onset  duration            type      m    cc  cc*5 _{cc+1}
0      1         2           Instr  False  <NA>  <NA>     NaN
1      3        15        Remember  False  <NA>  <NA>     NaN
2     18        15   SocTestString   True     0     0      _1
2     18        15   SocTestString   True     1     5      _2
2     18        15   SocTestString   True     2    10      _3
3     33         2          Rating  False  <NA>  <NA>     NaN
4     35        15  SelfTestString   True     0     0      _1
4     35        15  SelfTestString   True     1     5      _2
4     35        15  SelfTestString   True     2    10      _3
5     50        15             XXX  False  <NA>  <NA>     NaN
    • 1

relate perguntas