python - Agrupar por números de índice consecutivos

pandas numpy

Question

Me preguntaba si hay una manera de agrupar por números de índice consecutivos y mover los grupos en diferentes columnas. Aquí hay un ejemplo del DataFrame que estoy usando:

                 0
0     19218.965703
1     19247.621650
2     19232.651322
9     19279.216956
10    19330.087371
11    19304.316973

Y mi idea es agrupar por números de índice secuenciales y obtener algo como esto:

                 0             1
0     19218.965703  19279.216956    
1     19247.621650  19330.087371
2     19232.651322  19304.316973

He estado tratando de dividir mis datos en bloques de 3 y luego agruparlos, pero estaba buscando más sobre algo que pueda usarse para agrupar y reorganizar números de índice secuenciales. ¡Gracias!

Answer 1

Crear nuevos pandas.Series con nuevos pandas.MultiIndex

a = pd.factorize(df.index - np.arange(len(df)))[0]
b = df.groupby(a).cumcount()

pd.Series(df[''0''].to_numpy(), [b, a]).unstack()

              0             1
0  19218.965703  19279.216956
1  19247.621650  19330.087371
2  19232.651322  19304.316973

Similar pero con más Numpy

a = pd.factorize(df.index - np.arange(len(df)))[0]
b = df.groupby(a).cumcount()

c = np.empty((b.max() + 1, a.max() + 1), float)
c.fill(np.nan)
c[b, a] = np.ravel(df)
pd.DataFrame(c)

              0             1
0  19218.965703  19279.216956
1  19247.621650  19330.087371
2  19232.651322  19304.316973

Answer 2

Aquí hay una manera:

from more_itertools import consecutive_groups
final=pd.concat([df.loc[i].reset_index(drop=True) 
                    for i in consecutive_groups(df.index)],axis=1)
final.columns=range(len(final.columns))
print(final)

              0             1
0  19218.965703  19279.216956
1  19247.621650  19330.087371
2  19232.651322  19304.316973

Answer 3

Creo que ha asumido que el número de observaciones dentro de cada grupo consecutivo será el mismo. Mi enfoque es:

Prepara los datos:

import pandas as pd
import numpy as np

df = pd.DataFrame(data ={''data'':[19218.965703 ,19247.621650 ,19232.651322 ,19279.216956 ,19330.087371 ,19304.316973]}, index = [0,1,2,9,10,11] )

Y la solucion:

df[''Group''] = (df.index.to_series()-np.arange(df.shape[0])).rank(method=''dense'')
df.reset_index(inplace=True)
df[''Observations''] = df.groupby([''Group''])[''index''].rank()
df.pivot(index=''Observations'',columns=''Group'', values=''data'')

Que devuelve:

Group                  1.0           2.0
Observations                            
1.0           19218.965703  19279.216956
2.0           19247.621650  19330.087371
3.0           19232.651322  19304.316973

Answer 4

Esta es una groupby + pivot_table

m = df.index.to_series().diff().ne(1).cumsum()

(df.assign(key=df.groupby(m).cumcount())
    .pivot_table(index=''key'', columns=m, values=0))

                1             2
key
0    19218.965703  19279.216956
1    19247.621650  19330.087371
2    19232.651322  19304.316973

Answer 5

Mi manera:

df[''groups'']=list(df.reset_index()[''index'']-range(0,len(df)))
pd.concat([df[df[''groups'']==i][[''0'']].reset_index(drop=True) for i in df[''groups''].unique()],axis=1)

              0             0
0  19218.965703  19279.216956
1  19247.621650  19330.087371
2  19232.651322  19304.316973

Answer 6

Una forma de pandas groupby

s=df.index.to_series().diff().ne(1).cumsum()
pd.concat({x: y.reset_index(drop=True) for x, y in df[''0''].groupby(s)}, axis=1)

Out[786]: 
              1             2
0  19218.965703  19279.216956
1  19247.621650  19330.087371
2  19232.651322  19304.316973