如何对具有重复列名行进行切片，并按顺序堆叠这些行

How to slice a row with duplicate column names and stack that rows in order(如何对具有重复列名行进行切片，并按顺序堆叠这些行)

问题描述

我有一个如图所示的数据帧，我希望在不更改顺序的情况下将其转换为多行。

  RESP HR SPO2 PULSE
1  46  122  0    0   
2  46  122  0    0   
3
4

推荐答案

一种可能解决方案是使用reshape，仅需要的列长模数为0(因此可以将所有数据转换为4列DataFrame)：

df1 = pd.Dataframe(df.values.reshape(-1, 4), columns=['RESP','HR','SPO2','PULSE'])
df1['RESP1'] = df['RESP'].shift(-1)

通用数据解决方案：

a = '46 122 0 0 46 122 0 0 45 122 0 0 45 122 0'.split()
df = pd.DataFrame([a]).astype(int)
print (df)
    0    1  2  3   4    5  6  7   8    9  10  11  12   13  14
0  46  122  0  0  46  122  0  0  45  122   0   0  45  122   0

#flatten values
a = df.values.ravel()
#number of new columns
N = 4
#array filled by NaNs for possible add NaNs to end of last row
arr = np.full(((len(a) - 1)//N + 1)*N, np.nan)
#fill array by flatten values
arr[:len(a)] = a
#reshape to new DataFrame (last value is NaN)
df1 = pd.DataFrame(arr.reshape((-1, N)), columns=['RESP','HR','SPO2','PULSE'])
#new column with shifting first col
df1['RESP1'] = df1['RESP'].shift(-1)
print(df1)
   RESP     HR  SPO2  PULSE  RESP1
0  46.0  122.0   0.0    0.0   46.0
1  46.0  122.0   0.0    0.0   45.0
2  45.0  122.0   0.0    0.0   45.0
3  45.0  122.0   0.0    NaN    NaN

这篇关于如何对具有重复列名行进行切片，并按顺序堆叠这些行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！