Преобразование данного фрейма данных панд в другой фрейм данных

Question

У меня есть датафрейм панд, как это ниже.Это дает мне расстояния в градусах от отдельных точек до следующих городов, а именно, Фарго, Оранж и Джерси-Сити.Но каждый столбец в приведенном ниже кадре данных, например «Фарго», имеет номера строк от 0 до 3, заполненные кратчайшими 4 расстояниями до любой из точек, а для остальных 8 строк он заполняется, потому что мы находим 4 кратчайших расстояния.в другой город "Апельсин" и так далее.Подводя итог приведенному ниже кадру данных

Points = ['Point1','Point4','Point5','Point2','Point2','Point5','Point1','Point4','Point3','Point6','Point4','Point1']
Fargo = [2.90300755828,3.91961324034,21.9825588597,24.3141420303,24.3141420303,21.9825588597,2.90300755828,3.91961324034,25.3599772676,25.8509998739,3.91961324034,2.90300755828]
Orange = [25.5464458592,27.1527975618,6.17298387907,4.80214941294,4.80214941294,6.17298387907,25.5464458592,27.1527975618,46.4066249652,45.8853687976,27.1527975618,25.5464458592]
Jersey_City = [21.1030418227,19.6763385681,39.3194029761,41.8121131045,41.8121131045,39.3194029761,21.1030418227,19.6763385681,2.09632277264,2.67885042284,19.6763385681,21.1030418227]
toy_data=pd.DataFrame(index=Points,columns=['Fargo','Orange','Jersey_City'])
toy_data['Fargo']= Fargo
toy_data['Orange']=Orange
toy_data['Jersey_City']=Jersey_City

Давайте скажем для столбца Fargo первые 4 строки: строки с 0 по 3 представляют точки, которые имеют самые короткие расстояния от Fargo.Аналогично, в столбце Orange строки с 4 по 7 представляют точки, которые имеют кратчайшие расстояния до Orange, а теперь в строках с 4 по 7 столбец Fargo заполняется расстояниями от ближайших четырех точек до Orange.Но мне нужен кадр, в котором я получаю 4 точки с кратчайшим расстоянием до каждого города в одном кадре данных.Итак, что вы видите здесь в столбце Fargo строки 0-3 - это его 4 ближайшие точки, в столбце Orange строки 4-7 - его ближайшие 4 точки, в столбце Jersey City строки 8-11 - его 4ближайшие точки.Я хочу сохранить эти 4 ближайших пункта для каждого города и удалить оставшиеся, как я сделал ниже.То, что я хочу, это:

Fargo = [2.9030075582789885,3.919613240342197,21.982558859743925,24.314142030334484,'NAN','NAN','NAN','NAN','NAN','NAN','NAN','NAN']
Orange = ['NAN','NAN','NAN','NAN',4.802149412942695,6.172983879065276,25.546445859236265,27.15279756182145,'NAN','NAN','NAN','NAN']
Jersey_City = ['NAN','NAN','NAN','NAN','NAN','NAN','NAN','NAN',2.096322772642856,2.67885042283533,19.676338568056806,21.10304182269932]
result_wanted_data =pd.DataFrame(index= Points,columns = ['Fargo','Orange','Jersey_City'])
result_wanted_data['Fargo']=Fargo
result_wanted_data['Orange']=Orange
result_wanted_data['Jersey_City']=Jersey_City

Answer 1

Вы можете использовать np.split() и цикл for:

x = 0
split = []
for num in range(len(toy_data.columns)-1):
    split.append(x+4)
    x+=4

dfs = np.split(toy_data, split)

data = []
for i in range(len(dfs)):
    data.append(pd.DataFrame(dfs[i][dfs[i].columns[i]]))
pd.concat(data, sort=False)

          Fargo   Orange    Jersey_City
Point1  2.903008    NaN         NaN
Point4  3.919613    NaN         NaN
Point5  21.982559   NaN         NaN
Point2  24.314142   NaN         NaN
Point2     NaN     4.802149     NaN
Point5     NaN     6.172984     NaN
Point1     NaN     25.546446    NaN
Point4     NaN     27.152798    NaN
Point3     NaN       NaN      2.096323
Point6     NaN       NaN      2.678850
Point4     NaN       NaN      19.676339
Point1     NaN       NaN      21.103042

Answer 2

Вы можете использовать следующее:

intervals = np.array_split(np.arange(toy_data.shape[0]), 3)
df = pd.DataFrame(columns=['Distances'], index=toy_data.reset_index().index)
for i, j in zip(range(toy_data.shape[1]), intervals):
    df.loc[j,'Distances'] = toy_data.reset_index(drop=True).iloc[j,i]

print(df)

    Distances
0    2.90301
1    3.91961
2    21.9826
3    24.3141
4    4.80215
5    6.17298
6    25.5464
7    27.1528
8    2.09632
9    2.67885
10   19.6763
11    21.103

Answer 3

То, что вы можете сделать, не совсем то, что, я думаю, вы хотели, но я думаю, что это решит цель:

newdf=np.empty([12])

for i in range(12):
    newdf[i]=data.iloc[i,[(math.ceil((i+1)/4))]]
newdf1=[]
cities=list(data.columns.values[1:])
for i in range(12):
     newdf1.append(cities[(math.ceil((i+1)/4)-1)])
strs = ["" for x in range(12)]  
for i in range(12):

    strs[i]=data.iloc[i,0]

final_data=pd.DataFrame(columns=['city','point','distance' ])
final_data['city']=newdf1
final_data['distance']=newdf
final_data['point']=strs