или добавление Добавления данных строк в панде Dataframe

Question

В следующем DataFrame Я хотел бы добавить строки, если количество значений в колонке А меньше, чем 10.

Для например., В следующем столбце табл группы 60 появляется 12 раз, однако gorup 61 появляется 9 раз. Я хотел бы добавить строку после последней записи группы 61 и скопировать значение в столбцах B, C, D из соответствующей группы значений 60. Аналогичная операция для группы 62 и т. Д.

 A  B C  D 
0 60 0.235 4 7.86 
1 60 1.235 5 8.86 
2 60 2.235 6 9.86 
3 60 3.235 7 10.86 
4 60 4.235 8 11.86 
5 60 5.235 9 12.86 
6 60 6.235 10 13.86 
7 60 7.235 11 14.86 
8 60 8.235 12 15.86 
9 60 9.235 13 16.86 
10 60 10.235 14 17.86 
11 60 11.235 15 18.86 
12 61 12.235 16 19.86 
13 61 13.235 17 20.86 
14 61 14.235 18 21.86 
15 61 15.235 19 22.86 
16 61 16.235 20 23.86 
17 61 17.235 21 24.86 
18 61 18.235 22 25.86 
19 61 19.235 23 26.86 
20 61 20.235 24 27.86 
21 62 20.235 24 28.86 
22 62 20.235 24 29.86 
23 62 20.235 24 30.86 
24 62 20.235 24 31.86 
25 62 20.235 24 32.86 

Answer 1

Вы можете использовать:

#cumulative count per group 
df['G'] = df.groupby('A').cumcount() 

df = df.groupby(['A','G']) 
     .first() #agregate first 
     .unstack() #reshape DataFrame 
     .ffill() #same as fillna(method='ffill') 
     .stack() #get original shape 
     .reset_index(drop=True, level=1) #remove level G in index 
     .reset_index() 

print (df) 

 A  B  C  D 
0 60 0.235 4.0 7.86 
1 60 1.235 5.0 8.86 
2 60 2.235 6.0 9.86 
3 60 3.235 7.0 10.86 
4 60 4.235 8.0 11.86 
5 60 5.235 9.0 12.86 
6 60 6.235 10.0 13.86 
7 60 7.235 11.0 14.86 
8 60 8.235 12.0 15.86 
9 60 9.235 13.0 16.86 
10 60 10.235 14.0 17.86 
11 60 11.235 15.0 18.86 
12 61 12.235 16.0 19.86 
13 61 13.235 17.0 20.86 
14 61 14.235 18.0 21.86 
15 61 15.235 19.0 22.86 
16 61 16.235 20.0 23.86 
17 61 17.235 21.0 24.86 
18 61 18.235 22.0 25.86 
19 61 19.235 23.0 26.86 
20 61 20.235 24.0 27.86 
21 61 9.235 13.0 16.86 
22 61 10.235 14.0 17.86 
23 61 11.235 15.0 18.86 
24 62 20.235 24.0 28.86 
25 62 20.235 24.0 29.86 
26 62 20.235 24.0 30.86 
27 62 20.235 24.0 31.86 
28 62 20.235 24.0 32.86 
29 62 17.235 21.0 24.86 
30 62 18.235 22.0 25.86 
31 62 19.235 23.0 26.86 
32 62 20.235 24.0 27.86 
33 62 9.235 13.0 16.86 
34 62 10.235 14.0 17.86 
35 62 11.235 15.0 18.86 

Другое решение с pivot_table:

df['G'] = df.groupby('A').cumcount() 

df = df.pivot_table(index='A', columns='G') 
     .ffill() 
     .stack() 
     .reset_index(drop=True, level=1) 
     .reset_index() 

print (df) 

 A  B  C  D 
0 60 0.235 4.0 7.86 
1 60 1.235 5.0 8.86 
2 60 2.235 6.0 9.86 
3 60 3.235 7.0 10.86 
4 60 4.235 8.0 11.86 
5 60 5.235 9.0 12.86 
6 60 6.235 10.0 13.86 
7 60 7.235 11.0 14.86 
8 60 8.235 12.0 15.86 
9 60 9.235 13.0 16.86 
10 60 10.235 14.0 17.86 
11 60 11.235 15.0 18.86 
12 61 12.235 16.0 19.86 
13 61 13.235 17.0 20.86 
14 61 14.235 18.0 21.86 
15 61 15.235 19.0 22.86 
16 61 16.235 20.0 23.86 
17 61 17.235 21.0 24.86 
18 61 18.235 22.0 25.86 
19 61 19.235 23.0 26.86 
20 61 20.235 24.0 27.86 
21 61 9.235 13.0 16.86 
22 61 10.235 14.0 17.86 
23 61 11.235 15.0 18.86 
24 62 20.235 24.0 28.86 
25 62 20.235 24.0 29.86 
26 62 20.235 24.0 30.86 
27 62 20.235 24.0 31.86 
28 62 20.235 24.0 32.86 
29 62 17.235 21.0 24.86 
30 62 18.235 22.0 25.86 
31 62 19.235 23.0 26.86 
32 62 20.235 24.0 27.86 
33 62 9.235 13.0 16.86 
34 62 10.235 14.0 17.86 
35 62 11.235 15.0 18.86