0

说我有一个数据框df

import pandas as pd
df = pd.DataFrame()

我有以下元组和值：

column_and_row = ('bar', 'foo')
value = 56

我怎样才能最容易地将此​​元组添加到我的数据框中，以便：

df['bar']['foo']

回报56？

如果我有这样的元组列表和值列表怎么办？例如

columns_and_rows = [A, B, C, ...]
values = [5, 10, 15]

其中A和是列B和C行的元组（类似于column_and_row）。

同样，如何使用Series? 来完成此操作，例如：

import pandas as pd
srs = pd.Series()

我想用索引和值向它添加一项，以便：'foo'2

srs['foo']

回报2？

注意： 我知道这些都不是创建dataframesor的有效方法series，但我需要一个解决方案，让我在别无选择时以这种方式有机地扩展我的结构。

4

1 回答 1

3

对于系列，您可以使用 来完成append，但您必须首先根据您的值创建系列：

>>> print x
A    1
B    2
C    3
>>> print x.append( pandas.Series([8, 9], index=["foo", "bar"]))
A      1
B      2
C      3
foo    8
bar    9

对于 DataFrame，您也可以使用appendor concat，但仅对单个单元格执行此操作没有意义。DataFrames 是表格的，因此您只能添加整行或整列。 该文档有很多示例，并且对此还有其他问题。

编辑：显然你实际上可以用df.set_value('newRow', 'newCol', newVal). 但是，如果该行/列不存在，这实际上将创建一个全新的行和/或列，而创建的行/列中的其余值将填充为 NaN。请注意，在这种情况下，将返回一个新对象，因此您必须df = df.set_value('newRow', 'newCol', newVal)修改原始对象。

然而，现在不管你怎么做，这将是低效的。Pandas 数据结构基于 Numpy，并且从根本上依赖于提前知道数组的大小。您可以添加行和列，但每次这样做都会创建全新的数据结构，因此如果您经常这样做，它会比使用普通的 Python 列表/dicts 慢。

于 2013-04-04T00:44:19.487 回答