Python自动复制Excel数据：将各行分别重复指定次数
本文介绍基于
Python
语言，读取
Excel
表格文件数据，并将其中
符合我们特定要求
的
那一行
加以复制指定的次数，而
不符合要求
的
那一行
则不复制；并将所得结果保存为新的
Excel
表格文件的方法。
这里需要说明，在我们之前的文章
多次复制Excel符合要求的数据行：Python批量实现
中，也介绍过实现类似需求的另一种
Python
代码，大家如果有需要可以查看上述文章；而上述文章中的代码，由于用到了
DataFrame.append()
这一个在最新版本
pandas
库中取消的方法，因此有的时候可能会出现报错的情况；且本文中的需求较之上述文章有进一步的提升，因此大家主要参考本文即可。
首先，我们来明确一下本文的具体需求。现有一个
Excel
表格文件，在本文中我们就以
.csv
格式的文件为例；其中，如下图所示，这一文件中有一列（也就是
inf_dif
这一列）数据比较关键，我们希望对这一列数据加以处理——对于
每一行
，如果
这一行的这一列数据的值
在指定的范围内，那么就将这一行复制指定的次数（复制的意思相当于就是，新生成一个
和当前行
一摸一样数据的
新行
）；而对于
符合我们要求的行
，其具体要
复制的次数
也不是固定的，也要根据
这一行的这一列数据的值
来判断——比如如果这个数据在
某一个值域内
，那么这一行就复制
10
次；而如果在
另一个值域内
，这一行就复制
50
次等。
知道了需求，我们就可以开始代码的书写。其中，本文用到的具体代码如下所示。
# -*- coding: utf-8 -*-
"""
Created on Thu Jul 6 22:04:48 2023
@author: fkxxgis
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
original_file_path = "E:/01_Reflectivity/99_Model/02_Extract_Data/26_Train_Model_New/Train_Model_0715.csv"
result_file_path = "E:/01_Reflectivity/99_Model/02_Extract_Data/26_Train_Model_New/Train_Model_0715_Over_NIR_0717_2.csv"
df = pd.read_csv(original_file_path)
duplicated_num_0 = 70
duplicated_num_1 = 35
duplicated_num_2 = 7
duplicated_num_3 = 2
num = [duplicated_num_0 if (value <= -0.12 or value >= 0.12) else duplicated_num_1 if (value <= -0.1 or value >= 0.1) \
else duplicated_num_2 if (value <= -0.07 or value >= 0.07) else duplicated_num_3 if (value <= -0.03 or value >= 0.03) \
else 1 for value in df.inf_dif]
duplicated_df = df.loc[np.repeat(df.index.values, num)]
plt.figure(0)
plt.hist(df["inf_dif"], bins = 50)
plt.figure(1)
plt.hist(duplicated_df["inf_dif"], bins = 50)
duplicated_df.to_csv(result_file_path, index=False)
其中，上述代码的具体含义如下。
首先，我们需要导入所需的库，包括
numpy
、
pandas
和
matplotlib.pyplot
等，用于后续的数据处理和绘图操作。接下来，即可开始读取原始数据，我们使用
pd.read_csv()
函数读取文件，并将其存储在一个
DataFrame
对象
df
中；这里的原始文件路径由
original_file_path
变量指定。
随后，我们开始设置重复次数。在这里，我们根据特定的条件，为每个值设定重复的次数。根据
inf_dif
列的值，将相应的重复次数存储在
num
列表中。根据不同的条件，使用条件表达式（
if-else
语句）分别设定了不同的重复次数。
接下来，我们使用
loc
函数和
np.repeat()
函数，将数据按照重复次数复制，并将结果存储在
duplicated_df
中。
最后，为了对比我们数据重复的效果，可以绘制直方图。在这里，我们使用
matplotlib.pyplot
库中的
hist()
函数绘制了两个直方图；其中，第一个直方图是原始数据集
df
中
inf_dif
列的直方图，第二个直方图是复制后的数据集
duplicated_df
中
inf_dif
列的直方图。通过指定
bins
参数，将数据分成
50
个区间。
完成上述操作后，我们即可保存数据。将复制后的数据集
duplicated_df
保存为
.csv
格式文件，路径由
result_file_path
变量指定。
执行上述代码，我们将获得如下所示的两个直方图；其中，第一个直方图是原始数据集
df
中
inf_dif
列的直方图，也就是还未进行数据复制的直方图。
其次，第二个直方图是复制后的数据集
duplicated_df
中
inf_dif
列的直方图。
可以看到，经过前述代码的处理，我们原始的数据分布情况已经有了很明显的改变。
至此，大功告成。