对不起，标题可能比问题本身更复杂;)
我有以下的pandas数据框架。
grh anc anc1 anc2 anc3 anc4 anc5 anc6 anc7
1 2 5 0.10000 0.12000 0.1800 0.14000 0.15000 0.1900 0.20000
2 3 7 0.03299 0.05081 0.0355 0.02884 0.03054 0.0332 0.03115
3 4 3 0.00000 0.00000 0.0000 0.00000 0.00000 0.0000 0.00000
4 5 4 0.00000 0.00000 0.0000 0.00000 0.00000 0.0000 0.00000
5 6 1 0.10000 0.10000 0.1000 0.10000 0.10000 0.1000 0.10000
anc8 anc9 anc10
1 0.10000 0.21000 0.24000
2 0.02177 0.04903 0.04399
3 0.00000 0.00000 0.00000
4 0.00000 0.00000 0.00000
5 0.10000 0.10000 0.10000
我想用forloop添加新的列，lap1, lap2, ...取决于变量anz的值。例如，在第一行，anz=5，所以lap1应该等于anz5的值。(0.1500)，lap2等于祖先6 (0.1900)...在第二排第一圈=anc7。(0.03115)，lap2=anc8 (0.02177),...
所以，输出应该是这样的
grh anc anc1 anc2 anc3 anc4 anc5 anc6 anc7 anc8 anc9 anc10 lap1 lap2 lap3
2 5 0.10000 0.12000 0.18000 0.14000 0.15000 0.19000 0.20000 0.1000 0.21000 0.24000 0.15000 0.19000 0.20000
3 7 0.03299 0.05081 0.0355 0.02884 0.03054 0.0332 0.03115 0.02177 0.04903 0.04399 0.03115 0.02177 0.04903
4 3 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
5 4 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
6 1 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000
我试过一些很基本的东西，但似乎并不奏效。
for i in range(1,4):
j=df['anc']+i
df['lap'+str(i)]= df['anc'+str(j)]
如果你有任何想法，我将非常感激.Thks
有点像 "蛮力 "的方法，但我看不出你有什么别的办法。
df[[f"lap{i}" for i in range(1,4)]]= \
df.apply(lambda x: \
pd.Series({f"lap{j}": x[f"anc{int(j+x['anc']-1)}"] for j in range(1,4)}) \
, axis=1)
(假设根据你的样本，你有最大的数量) lap (3)
设置 grh ＆amp。anc 作为索引，因为我们正在寻找索引到的。anc[1-9] 列。这在我们写输出列的时候也很方便。
df2 = df.set_index(['grh', 'anc'])
对于每一行都要使用 anc 值，也就是现在的索引中的值，取相邻的3个值，将它们转换为输出中所期望的名称的系列，并将它们分配到匹配的输出列上
outcols = ['lap1', 'lap2', 'lap3']
df2[outcols] = df2.apply(lambda x: pd.Series(x[x.name[1]-1:x.name[1]+2].values, index=outcols), axis=1)
df2是这样的。
anc1 anc2 anc3 anc4 anc5 anc6 anc7 anc8 anc9 anc10 lap1 lap2 lap3
grh anc
2 5 0.10000 0.12000 0.1800 0.14000 0.15000 0.1900 0.20000 0.10000 0.21000 0.24000 0.15000 0.19000 0.20000
3 7 0.03299 0.05081 0.0355 0.02884 0.03054 0.0332 0.03115 0.02177 0.04903 0.04399 0.03115 0.02177 0.04903
4 3 0.00000 0.00000 0.0000 0.00000 0.00000 0.0000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
5 4 0.00000 0.00000 0.0000 0.00000 0.00000 0.0000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
6 1 0.10000 0.10000 0.1000 0.10000 0.10000 0.1000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000
如果你想恢复的话，再重新设置一次索引。grh ＆amp。anc 恢复为列。
替代基于名称的查找，而不是基于位置的查找。
定义一个实用函数来执行列查找，提供一个float。它需要接受一个float，因为如果系列包含任何非整数值，pandas会自动将int64上传到float64。使用这个函数来执行查找&来分配输出。这种方法的一个好处是，没有 set_index 是必须的。
def cols(n,p): return [f'{p}{i}' for i in range(int(n), int(n+3))]
df[cols(1, 'lap')] = df.apply(lambda x: pd.Series(x[cols(x.anc, 'anc')].values), axis=1)
# Where is the new lap column starting
startingNewColsNumber = df.shape[1]
# How many new lap columns to add
numNewCols = df.grh.max()
# Generate new lap columns
newColNames = ['lap'+str(x) for x in range(1, numNewCols + 1)]
# add new lap columns to the dataframe
for lapName in newColNames:
df[lapName] = np.NaN
# now fill the values for each of rows for the new 'lap' columns
for row in df.index:
startCopyCol = df.loc[row,'anc'] + 1 # What is the begening anc value to start copying
howmany = df.loc[row,'grh'] # How many lap values should I fill
df.iloc[row, startingNewColsNumber : startingNewColsNumber + howmany] = \
df.iloc[row, startCopyCol : startCopyCol + howmany].values
df
这是我得到的输出。
grh anc anc1 anc2 anc3 anc4 anc5 anc6 anc7 anc8 anc9 anc10 lap1 lap2 lap3 lap4 lap5 lap6
0 2 5 0.10000 0.12000 0.1800 0.14000 0.15000 0.1900 0.20000 0.10000 0.21000 0.24000 0.15000 0.19000 NaN NaN NaN NaN
1 3 7 0.03299 0.05081 0.0355 0.02884 0.03054 0.0332 0.03115 0.02177 0.04903 0.04399 0.03115 0.02177 0.04903 NaN NaN NaN
2 4 3 0.00000 0.00000 0.0000 0.00000 0.00000 0.0000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.0 NaN NaN
3 5 4 0.00000 0.00000 0.0000 0.00000 0.00000 0.0000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.0 0.0 NaN
4 6 1 0.10000 0.10000 0.1000 0.10000 0.10000 0.1000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.10000 0.1 0.1 0.1
如果这能给你提供一些解决方案，请告诉我