Erstellen eines neuen Datenrahmens nach Gruppen basierend auf einem anderen Datenrahmen

Question

Ich habe nicht viel Erfahrung mit der Arbeit mit Pandas. Ich habe einen Pandas-Datenrahmen wie unten gezeigt.

Ich möchte einen neuen Datenrahmen erstellen, der durch die Zeilen iteriert und an den resultierenden Datenrahmen anfügt. Beispielsweise aus der Reihe 1 des Eingangsdatenrahmen - Generieren einer Folge von Zahlen [1,2,3] und die entsprechende Spalte auf Named 1

A seq 
1 1 
1 2 
1 3 
2 3 
2 4 
1 4 
1 5 
1 6 
1 7 
1 8 

Bisher habe ich es geschafft, zu erkennen, welche Funktion zu verwenden Iteriere durch die Zeilen des Pandas-Datenrahmens.

Answer 1

Wenn Sie möchten, würden Schleifen verwenden.

In [1164]: data = [] 

In [1165]: for _, x in df.iterrows(): 
     ...:  data += [[x.A, y] for y in range(x.start, x.stop+1)] 
     ...: 

In [1166]: pd.DataFrame(data, columns=['A', 'seq']) 
Out[1166]: 
    A seq 
0 1 1 
1 1 2 
2 1 3 
3 2 3 
4 2 4 
5 1 4 
6 1 5 
7 1 6 
8 1 7 
9 1 8 

Answer 2

Hier ist eine Art und Weise mit gelten:

(df.set_index('A') 
    .apply(lambda x: pd.Series(np.arange(x['start'], x['stop'] + 1)), axis=1) 
    .stack() 
    .to_frame('seq') 
    .reset_index(level=1, drop=True) 
    .astype('int') 
) 
Out: 
    seq 
A  
1 1 
1 2 
1 3 
2 3 
2 4 
1 4 
1 5 
1 6 
1 7 
1 8 

Answer 3

auf die Antworten oben hinzuzufügen, hier ist eine Methode, die für die Interpretation des Datenrahmen Eingang gezeigt, in eine Form, dass das Plakat will eine Funktion definiert: es

def gen_df_permutations(perm_def_df): 
    m_list = [] 
    for i in perm_def_df.index: 
     row = perm_def_df.loc[i] 
     for n in range(row.start, row.stop+1): 
      r_list = [row.A,n] 
      m_list.append(r_list) 
    return m_list 

Rufen, die Spezifikation Datenrahmen Referenzierung :

gen_df_permutations(df) 

Oder es gegebenenfalls in einer Datenrahmen Erstellungsfunktion gewickelt ruft einen endgültigen Datenrahmen Ausgang zurückzukehren:

0.123.

pd.DataFrame(gen_df_permutations(df),columns=['A','seq']) 


    A seq 
0 1 1 
1 1 2 
2 1 3 
3 2 3 
4 2 4 
5 1 4 
6 1 5 
7 1 6 
8 1 7 
9 1 8 

N.B. In der ersten Spalte befindet sich der Dataframe-Index, der nach Bedarf entfernt/ignoriert werden kann.