複製した行を指定して一部のセルに値を代入したい

Question

前提・実現したいこと

Pandasを使ってデータフレームの操作をしたいと考えています。具体的には、

1. 既存のデータフレームで、特定カラムにIDが２つ入っている行を探して複製する(１つのIDは7文字)
2. １つめのIDは既存行に残す
3. ２つめのIDは複製した行に上書きする

しかし、３.に失敗しています。

発生している問題・エラーメッセージ

３.の「２つめのIDを複製した行に上書きする」を実現するには、IDカラムと複製行の交わるセルを指定する必要があります。そこで、データフレームのインデックスを使えばうまくいくのではないかと考え、「既存データフレームの行数＋特定行のインデックス」を指定しました。しかし、複製行のインデックスが既存行と同じになってしまい、該当セルが上書きされず、元のままになります。

該当のソースコード

convs = pd.read_csv('hoge.csv', index_col=0)
convs = convs.reset_index()
convs = convs.drop('index', axis=1)

count = len(convs) #データフレームの行数を取得

for index, row in convs.iterrows():
        if (len(str(row['id_columns']))) > 7:
            ids = str(row['id_columns'])
            convs['id_columns'][index] = str(ids[0:6])
            convs = convs.append(row)
            convs['id_columns'][index+count] = str(ids[7:13]) #ここのconvs['id_columns'][index+count]という指定がうまく行かず、IDが上書きされない

convs.to_csv('test.csv') #結果をCSVに保存

試したこと

特定行のインデックスを指定する方法がないか調べてみましたが、情報が見つかりませんでした。解決策がありましたら、ぜひ教えていただけるとうれしいです。

バージョン情報など

Pythonのバージョンは3.8.2です。

Comments

[meg_]

現在のデータフレームと希望する結果のデータフレームを掲載されると回答がつきやすいかと思います。

[tonkichi]

meg_さん、アドバイスありがとうございます！　後ほどデータフレームを掲載してみます！

Answer 1

やりたいことはこういう事でしょうか？

import pandas as pd

convs = pd.DataFrame({'id_columns':['aaaaaaabbbbbbb',
                                    'ccccccc',
                                    'dddddddeeeeeee'],
                      'value':[10,20,30]})
print(convs)
#       id_columns  value
#0  aaaaaaabbbbbbb     10
#1         ccccccc     20
#2  dddddddeeeeeee     30

for index, row in convs.iterrows():
    if (len(str(row['id_columns'])) > 7):
        ids = str(row['id_columns'])
        convs.loc[index, 'id_columns'] = ids[0:7]
        convs = convs.append(row)
        convs.iloc[-1, convs.columns.get_loc('id_columns')] = ids[7:14]

convs.to_csv('test.csv')
print(convs)
#  id_columns  value
#0    aaaaaaa     10
#1    ccccccc     20
#2    ddddddd     30
#0    bbbbbbb     10
#2    eeeeeee     30

ループを使わなくても、正規表現で同様のことを実装できます。（順番が若干変わりますが）

import pandas as pd

convs = pd.DataFrame({'id_columns':['aaaaaaabbbbbbb',
                                    'ccccccc',
                                    'dddddddeeeeeee'],
                      'value':[10,20,30]})

tmp = convs['id_columns'].str.extract('(.{7,7})(.{7,7})?').stack().reset_index(level=1, drop=True).rename('id_columns')
df = pd.concat([tmp, convs.drop('id_columns', axis=1)], axis=1)
print(df)
#  id_columns  value
#0    aaaaaaa     10
#0    bbbbbbb     10
#1    ccccccc     20
#2    ddddddd     30
#2    eeeeeee     30

Comments

[tonkichi]

ありがとうございます。やりたかったのは、まさにこれです！　正規表現のほうも試してみます！