pandas 数据帧中`.value_counts()` 的反向操作是什么？

Question

从一个非唯一的 Pandas 系列开始，可以通过 计算每个唯一值的数量.value_counts()。

>> col = pd.Series([1.0, 1.0, 2.0, 3.0, 3.0, 3.0])

0    1.0
1    1.0
2    2.0
3    3.0
4    3.0
5    3.0
dtype: object

>> stat = col.value_counts()
>> stat
3.0    3
1.0    2
2.0    1
dtype: int64

但是，如果从两列的数据框开始，一列是唯一值，另一列是出现次数。（stat在前面的例子中）。如何将它们扩展为单个列。

因为我想计算这样一个数据框中数据的中位数、平均值等，我认为描述单列比两列容易得多。或者是否有任何方法可以在不扩展数据的情况下直接描述“value_count”数据帧？

# turn `stat` into col ???

>> col.describe()
count    6.000000
mean     2.166667
std      0.983192
min      1.000000
25%      1.250000
50%      2.500000
75%      3.000000
max      3.000000 

---

添加测试数据

>> df = pd.DataFrame({"Name": ["A", "B", "C"], "Value": [1,2,3], "Count": [2, 10, 2]})
>> df
  Name  Value  Count
0    A      1      2
1    B      2      5
2    C      3      2

df2 = _reverse_count(df)
>> df2
  Name  Value 
0    A      1 
1    A      1
2    B      2 
3    B      2
4    B      2  
5    B      2  
6    B      2  
7    B      2
8    C      3
9    C      3  

Answer 1

您可以使用该repeat功能numpy

import pandas as pd
import numpy as np
col = pd.Series([1.0, 1.0, 2.0, 3.0, 3.0, 3.0])
stats=col.value_counts()
pd.Series(np.repeat(stats.index,stats))
# 0    3.0
# 1    3.0
# 2    3.0
# 3    1.0
# 4    1.0
# 5    2.0
# dtype: float64

更新 ：

对于可以使用的多列

df.loc[df.index.repeat(df['Count'])]