13

我可以使用以下方法在数据框中创建一个新行.loc()

>>> df = pd.DataFrame({'a':[10, 20], 'b':[100,200]}, index='1 2'.split())
>>> df
    a    b
1  10  100
2  20  200
>>> df.loc[3, 'a'] = 30
>>> df
      a      b
1  10.0  100.0
2  20.0  200.0
3  30.0    NaN

但是如何使用相同的方法创建多行?

>>> df.loc[[4, 5], 'a'] = [40, 50]
...
KeyError: '[4 5] not in index'

我熟悉 .append() 但我正在寻找一种不需要在将新行附加到 Series 之前将其构造到 Series 中的方法df

所需输入:

>>> df.loc[[4, 5], 'a'] = [40, 50]

期望的输出

      a      b
1  10.0  100.0
2  20.0  200.0
3  30.0    NaN
4  40.0    NaN
5  50.0    NaN

最后两行是新添加的。

4

2 回答 2

6

诚然,这是一个非常晚的答案,但我不得不处理类似的问题,并认为我的解决方案也可能对其他人有所帮助。

重新创建数据后,它基本上是一个两步的方法:

  1. 重新创建数据:

    import pandas as pd
    df = pd.DataFrame({'a':[10, 20], 'b':[100,200]}, index='1 2'.split())
    df.loc[3, 'a'] = 30
    
  2. 扩展df.index使用.reindex

    idx = list(df.index)
    new_rows = list(map(str, range(4, 6)))  # easier extensible than new_rows = ["4", "5"]
    idx.extend(new_rows)
    df = df.reindex(index=idx)
    
  3. 使用设置值.loc

    df.loc[new_rows, "a"] = [40, 50]
    

    给你

    >>> df
          a      b
    1  10.0  100.0
    2  20.0  200.0
    3  30.0    NaN
    4  40.0    NaN
    5  50.0    NaN
    
于 2019-09-21T11:06:35.103 回答
1

示例数据

>>> data = pd.DataFrame({
    'a': [10, 6, -3, -2, 4, 12, 3, 3], 
    'b': [6, -3, 6, 12, 8, 11, -5, -5], 
    'id': [1, 1, 1, 1, 6, 2, 2, 4]})

案例 1请注意,range可以将其更改为您想要的任何内容。

>>> for i in range(10):
...     data.loc[i, 'a'] = 30
... 
>>> data
      a     b   id
0  30.0   6.0  1.0
1  30.0  -3.0  1.0
2  30.0   6.0  1.0
3  30.0  12.0  1.0
4  30.0   8.0  6.0
5  30.0  11.0  2.0
6  30.0  -5.0  2.0
7  30.0  -5.0  4.0
8  30.0   NaN  NaN
9  30.0   NaN  NaN

案例 2在这里,我们向一个开始有 8 行的数据框添加一个新列。当我们将新列c的长度扩展为 10 时,其他列将扩展为NaN.

>>> for i in range(10):
...     data.loc[i, 'c'] = 30
... 
>>> data
      a     b   id     c
0  10.0   6.0  1.0  30.0
1   6.0  -3.0  1.0  30.0
2  -3.0   6.0  1.0  30.0
3  -2.0  12.0  1.0  30.0
4   4.0   8.0  6.0  30.0
5  12.0  11.0  2.0  30.0
6   3.0  -5.0  2.0  30.0
7   3.0  -5.0  4.0  30.0
8   NaN   NaN  NaN  30.0
9   NaN   NaN  NaN  30.0
于 2017-05-18T03:42:30.687 回答