0

我有一个类似 3 个项目的数据集，例如[1,2,3] 我想找到它的产品，重复 3 个，然后将它们分成 3 个这样的数据集（实际上应该是垂直的）：

[1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3]
[1,1,1,2,2,2,3,3,3,1,1,1,2,2,2,3,3,3,1,1,1,2,2,2,3,3,3]
[1,2,3,1,2,3,1,2,3,1,2,3,1,2,3,1,2,3,1,2,3,1,2,3,1,2,3]

我注意到在python中我可以使用iteration.product来查找产品：

data_prod=itertools.product(data,repeat=3)

现在我的问题是如何将结果的每一列（数据类型为 itertools.product）转换为 3 个新数据集，如上例所示？

4

2 回答 2

2

用于zip(*..)将列转换为行：

dataset1, dataset2, dataset3 = zip(*itertools.product(data,repeat=3))

演示：

>>> zip(*itertools.product(data,repeat=3))
[(1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3), (1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 1, 1, 2, 2, 2, 3, 3, 3), (1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3)]
>>> dataset1, dataset2, dataset3 = zip(*itertools.product(data,repeat=3))
>>> dataset1
(1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3)
>>> dataset2
(1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 1, 1, 2, 2, 2, 3, 3, 3)
>>> dataset3
(1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3)
于 2013-08-01T16:43:55.470 回答
0

出于显示目的，仍然使用 itertools.product 的另一种方式：

import itertools
import pandas as pd

cols=['series1', 'series2', 'series3']

originDataset = [1,2,3]

data_prod = lambda x: list(itertools.product(x, repeat=3))

df1 = pd.DataFrame(originDataset, columns=['OriginalDataSet'])

df2 = pd.DataFrame(data_prod(originDataset), columns=cols)

print df1

print '-'*80

print df2

print '-'*80

series1, series2, series3 = df2.T.values

print series1
print series2
print series3

输出：

   OriginalDataSet
0                1
1                2
2                3
--------------------------------------------------------------------------------
    series1  series2  series3
0         1        1        1
1         1        1        2
2         1        1        3
3         1        2        1
4         1        2        2
5         1        2        3
6         1        3        1
7         1        3        2
8         1        3        3
9         2        1        1
10        2        1        2
11        2        1        3
12        2        2        1
13        2        2        2
14        2        2        3
15        2        3        1
16        2        3        2
17        2        3        3
18        3        1        1
19        3        1        2
20        3        1        3
21        3        2        1
22        3        2        2
23        3        2        3
24        3        3        1
25        3        3        2
26        3        3        3
--------------------------------------------------------------------------------
[1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3]
[1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3]
[1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3]

我希望它有助于同时学习如何使用Pandas

于 2013-08-01T17:06:55.493 回答