Pandas Dataframe，使用 Pandas 在 Python 中為每一行添加包含數據范圍的新列

Question

我有一個帶有單列的 dataframe，我想為 0-23 小時但為每一行創建一個名為“Hour”的新列。

當前的：

AN_LOG_ID
00000001
00000002
00000003

所需的 output：（每行每天每小時 0-23）

AN_LOG_ID    HOUR
00000001      0
00000001      1
...          ...
00000001      23
00000002      0
00000002      1
...          ...
00000002      23
00000003      0
00000003      1
...          ...
00000003      23

Answer 1

>>> df = df.assign(HOUR=[range(24)] * len(df)).explode("HOUR", ignore_index=True)
>>> df

   AN_LOG_ID HOUR
0   00000001    0
1   00000001    1
2   00000001    2
3   00000001    3
4   00000001    4
..       ...  ...
67  00000003   19
68  00000003   20
69  00000003   21
70  00000003   22
71  00000003   23

[72 rows x 2 columns]

首先將range(24)分配給每一行作為“HOUR”，然后展開該“HOUR”列以在其自己的行上展開小時數。 （ignore_index=True 使結果索引為 0, 1, 2, ...）

Answer 2

我們可以使用Index.repeat然后使用groupby.cumcount來獲取您的HOUR列：

df = df.loc[df.index.repeat(24)]
df = df.assign(HOUR=df.groupby(level=0).cumcount()).reset_index(drop=True)

    N_LOG_ID  HOUR
0   00000001     0
1   00000001     1
2   00000001     2
3   00000001     3
4   00000001     4
..       ...   ...
67  00000003    19
68  00000003    20
69  00000003    21
70  00000003    22
71  00000003    23

Answer 3

使用交叉merge ：

out = df.merge(pd.DataFrame({'HOUR': range(24)}), how='cross')

Output：

   AN_LOG_ID  HOUR
0   00000001     0
1   00000001     1
2   00000001     2
3   00000001     3
4   00000001     4
..       ...   ...
67  00000003    19
68  00000003    20
69  00000003    21
70  00000003    22
71  00000003    23

[72 rows x 2 columns]

Answer 4

另一種可能的解決方案，基於numpy ：

pd.DataFrame(
    np.concatenate(
        (np.repeat(df.values, 24).reshape(-1,1),
         np.tile(np.arange(24), len(df)).reshape(-1,1)), axis=1), 
    columns=['AN_LOG_ID', 'HOUR'])

Output：

   AN_LOG_ID HOUR
0   00000001    0
1   00000001    1
2   00000001    2
3   00000001    3
4   00000001    4
..       ...  ...
67  00000003   19
68  00000003   20
69  00000003   21
70  00000003   22
71  00000003   23