Dodaj jeden wiersz do pand DataFrame

Rozumiem, że pandy są zaprojektowane do ładowania w pełni wypełnionych, DataFrameale muszę utworzyć pustą ramkę danych, a następnie dodać wiersze, jeden po drugim . Jak najlepiej to zrobić?

Pomyślnie utworzyłem pustą ramkę danych z:

res = DataFrame(columns=('lib', 'qty1', 'qty2'))

Następnie mogę dodać nowy wiersz i wypełnić pole:

res = res.set_value(len(res), 'qty1', 10.0)

Działa, ale wydaje się bardzo dziwny: - / (nie udaje się dodać wartości ciągu)

Jak mogę dodać nowy wiersz do DataFrame (z innym typem kolumn)?

>>> import pandas as pd
>>> from numpy.random import randint

>>> df = pd.DataFrame(columns=['lib', 'qty1', 'qty2'])
>>> for i in range(5):
>>>     df.loc[i] = ['name' + str(i)] + list(randint(10, size=2))

>>> df
     lib qty1 qty2
0  name0    3    3
1  name1    2    4
2  name2    2    8
3  name3    2    1
4  name4    9    6

W przypadku, gdy można uzyskać wszystkie dane dla ramki danych z góry, istnieje znacznie szybsze podejście niż dołączanie do ramki danych:

1. Utwórz listę słowników, w których każdy słownik odpowiada wierszowi danych wejściowych.
2. Utwórz ramkę danych z tej listy.

Miałem podobne zadanie, dla którego dołączanie do ramki danych wiersz po rzędzie trwało 30 minut, a tworzenie ramki danych z listy słowników ukończonych w ciągu kilku sekund.

rows_list = []
for row in input_rows:

        dict1 = {}
        # get input row in dictionary format
        # key = col_name
        dict1.update(blah..) 

        rows_list.append(dict1)

df = pd.DataFrame(rows_list)               

Możesz użyć pandas.concat()lub DataFrame.append(). Aby uzyskać szczegółowe informacje i przykłady, zobacz Scalanie, łączenie i konkatenacja .

Minęło dużo czasu, ale ja też miałem ten sam problem. I znalazłem tutaj wiele ciekawych odpowiedzi. Byłem więc zdezorientowany, jakiej metody użyć.

W przypadku dodawania wielu wierszy do ramki danych interesuje mnie wydajność prędkości . Wypróbowałem więc 4 najpopularniejsze metody i sprawdziłem ich szybkość.

ZAKTUALIZOWANO W 2019 R. przy użyciu nowych wersji pakietów. Zaktualizowano również po komentarzu @FooBar

WYDAJNOŚĆ PRĘDKOŚCI

1. Korzystanie z .append ( odpowiedź NPE )
2. Korzystanie z .loc ( odpowiedź Freda )
3. Używanie .loc z wstępnym przydzielaniem ( odpowiedź FooBar )
4. Używanie dict i tworzenie DataFrame na końcu ( odpowiedź ShikharDua )

Wyniki (w sekundach):

|------------|-------------|-------------|-------------|
|  Approach  |  1000 rows  |  5000 rows  | 10 000 rows |
|------------|-------------|-------------|-------------|
| .append    |    0.69     |    3.39     |    6.78     |
|------------|-------------|-------------|-------------|
| .loc w/o   |    0.74     |    3.90     |    8.35     |
| prealloc   |             |             |             |
|------------|-------------|-------------|-------------|
| .loc with  |    0.24     |    2.58     |    8.70     |
| prealloc   |             |             |             |
|------------|-------------|-------------|-------------|
|  dict      |    0.012    |   0.046     |   0.084     |
|------------|-------------|-------------|-------------|

Również dzięki @krassowski za przydatny komentarz - zaktualizowałem kod.

Więc używam dodawania przez słownik dla siebie.

Kod:

import pandas as pd
import numpy as np
import time

del df1, df2, df3, df4
numOfRows = 1000
# append
startTime = time.perf_counter()
df1 = pd.DataFrame(np.random.randint(100, size=(5,5)), columns=['A', 'B', 'C', 'D', 'E'])
for i in range( 1,numOfRows-4):
    df1 = df1.append( dict( (a,np.random.randint(100)) for a in ['A','B','C','D','E']), ignore_index=True)
print('Elapsed time: {:6.3f} seconds for {:d} rows'.format(time.perf_counter() - startTime, numOfRows))
print(df1.shape)

# .loc w/o prealloc
startTime = time.perf_counter()
df2 = pd.DataFrame(np.random.randint(100, size=(5,5)), columns=['A', 'B', 'C', 'D', 'E'])
for i in range( 1,numOfRows):
    df2.loc[i]  = np.random.randint(100, size=(1,5))[0]
print('Elapsed time: {:6.3f} seconds for {:d} rows'.format(time.perf_counter() - startTime, numOfRows))
print(df2.shape)

# .loc with prealloc
df3 = pd.DataFrame(index=np.arange(0, numOfRows), columns=['A', 'B', 'C', 'D', 'E'] )
startTime = time.perf_counter()
for i in range( 1,numOfRows):
    df3.loc[i]  = np.random.randint(100, size=(1,5))[0]
print('Elapsed time: {:6.3f} seconds for {:d} rows'.format(time.perf_counter() - startTime, numOfRows))
print(df3.shape)

# dict
startTime = time.perf_counter()
row_list = []
for i in range (0,5):
    row_list.append(dict( (a,np.random.randint(100)) for a in ['A','B','C','D','E']))
for i in range( 1,numOfRows-4):
    dict1 = dict( (a,np.random.randint(100)) for a in ['A','B','C','D','E'])
    row_list.append(dict1)

df4 = pd.DataFrame(row_list, columns=['A','B','C','D','E'])
print('Elapsed time: {:6.3f} seconds for {:d} rows'.format(time.perf_counter() - startTime, numOfRows))
print(df4.shape)

PS Uważam, że moja realizacja nie jest idealna i może jest jakaś optymalizacja.

Jeśli znasz liczbę wpisów ex ante, powinieneś wstępnie przydzielić miejsce, podając również indeks (biorąc przykład danych z innej odpowiedzi):

import pandas as pd
import numpy as np
# we know we're gonna have 5 rows of data
numberOfRows = 5
# create dataframe
df = pd.DataFrame(index=np.arange(0, numberOfRows), columns=('lib', 'qty1', 'qty2') )

# now fill it up row by row
for x in np.arange(0, numberOfRows):
    #loc or iloc both work here since the index is natural numbers
    df.loc[x] = [np.random.randint(-1,1) for n in range(3)]
In[23]: df
Out[23]: 
   lib  qty1  qty2
0   -1    -1    -1
1    0     0     0
2   -1     0    -1
3    0    -1     0
4   -1     0     0

Porównanie prędkości

In[30]: %timeit tryThis() # function wrapper for this answer
In[31]: %timeit tryOther() # function wrapper without index (see, for example, @fred)
1000 loops, best of 3: 1.23 ms per loop
100 loops, best of 3: 2.31 ms per loop

I - zgodnie z komentarzami - przy wielkości 6000 różnica prędkości staje się jeszcze większa:

Zwiększenie rozmiaru tablicy (12) i liczby wierszy (500) sprawia, że ​​różnica prędkości jest bardziej uderzająca: 313 ms w porównaniu z 2,29 s

mycolumns = ['A', 'B']
df = pd.DataFrame(columns=mycolumns)
rows = [[1,2],[3,4],[5,6]]
for row in rows:
    df.loc[len(df)] = row

Aby uzyskać skuteczne dołączanie, zobacz Jak dodać dodatkowy wiersz do ramki danych pand i Ustawienia z powiększeniem .

Dodaj wiersze poprzez loc/ixna nieistniejących kluczowych danych indeksowych. np .:

In [1]: se = pd.Series([1,2,3])

In [2]: se
Out[2]: 
0    1
1    2
2    3
dtype: int64

In [3]: se[5] = 5.

In [4]: se
Out[4]: 
0    1.0
1    2.0
2    3.0
5    5.0
dtype: float64

Lub:

In [1]: dfi = pd.DataFrame(np.arange(6).reshape(3,2),
   .....:                 columns=['A','B'])
   .....: 

In [2]: dfi
Out[2]: 
   A  B
0  0  1
1  2  3
2  4  5

In [3]: dfi.loc[:,'C'] = dfi.loc[:,'A']

In [4]: dfi
Out[4]: 
   A  B  C
0  0  1  0
1  2  3  2
2  4  5  4
In [5]: dfi.loc[3] = 5

In [6]: dfi
Out[6]: 
   A  B  C
0  0  1  0
1  2  3  2
2  4  5  4
3  5  5  5

Możesz dołączyć pojedynczy wiersz jako słownik, korzystając z ignore_indexopcji.

>>> f = pandas.DataFrame(data = {'Animal':['cow','horse'], 'Color':['blue', 'red']})
>>> f
  Animal Color
0    cow  blue
1  horse   red
>>> f.append({'Animal':'mouse', 'Color':'black'}, ignore_index=True)
  Animal  Color
0    cow   blue
1  horse    red
2  mouse  black

Ze względu na język Pythona dodaj moją odpowiedź:

res = pd.DataFrame(columns=('lib', 'qty1', 'qty2'))
res = res.append([{'qty1':10.0}], ignore_index=True)
print(res.head())

   lib  qty1  qty2
0  NaN  10.0   NaN

Możesz także zbudować listę list i przekonwertować ją na ramkę danych -

import pandas as pd

columns = ['i','double','square']
rows = []

for i in range(6):
    row = [i, i*2, i*i]
    rows.append(row)

df = pd.DataFrame(rows, columns=columns)

dający

    podwoiłem kwadrat
0 0 0 0
1 1 2 1
2 2 4 4
3 3 6 9
4 4 8 16
5 5 10 25

To nie jest odpowiedź na pytanie OP, ale zabawkowy przykład ilustrujący odpowiedź @ShikharDua, powyżej której uważam ją za bardzo przydatną.

Chociaż ten fragment jest trywialny, w rzeczywistych danych miałem 1000 wierszy i wiele kolumn, i chciałem móc grupować według różnych kolumn, a następnie wykonać poniższe statystyki dla więcej niż jednej kolumny taget. Posiadanie niezawodnej metody budowania ramki danych po jednym wierszu na raz było wielką wygodą. Dziękuję @ShikharDua!

import pandas as pd 

BaseData = pd.DataFrame({ 'Customer' : ['Acme','Mega','Acme','Acme','Mega','Acme'],
                          'Territory'  : ['West','East','South','West','East','South'],
                          'Product'  : ['Econ','Luxe','Econ','Std','Std','Econ']})
BaseData

columns = ['Customer','Num Unique Products', 'List Unique Products']

rows_list=[]
for name, group in BaseData.groupby('Customer'):
    RecordtoAdd={} #initialise an empty dict 
    RecordtoAdd.update({'Customer' : name}) #
    RecordtoAdd.update({'Num Unique Products' : len(pd.unique(group['Product']))})      
    RecordtoAdd.update({'List Unique Products' : pd.unique(group['Product'])})                   

    rows_list.append(RecordtoAdd)

AnalysedData = pd.DataFrame(rows_list)

print('Base Data : \n',BaseData,'\n\n Analysed Data : \n',AnalysedData)

Wymyślił prosty i przyjemny sposób:

>>> df
     A  B  C
one  1  2  3
>>> df.loc["two"] = [4,5,6]
>>> df
     A  B  C
one  1  2  3
two  4  5  6

Za pomocą obiektu generatora można utworzyć ramkę danych, która będzie bardziej wydajna pod względem pamięci na liście.

num = 10

# Generator function to generate generator object
def numgen_func(num):
    for i in range(num):
        yield ('name_{}'.format(i), (i*i), (i*i*i))

# Generator expression to generate generator object (Only once data get populated, can not be re used)
numgen_expression = (('name_{}'.format(i), (i*i), (i*i*i)) for i in range(num) )

df = pd.DataFrame(data=numgen_func(num), columns=('lib', 'qty1', 'qty2'))

Aby dodać raw do istniejącej DataFrame, możesz użyć metody append.

df = df.append([{ 'lib': "name_20", 'qty1': 20, 'qty2': 400  }])

Utwórz nowy rekord (ramkę danych) i dodaj do old_data_frame .
przekaż listę wartości i odpowiednich nazw kolumn, aby utworzyć nowy rekord (ramka danych)

new_record = pd.DataFrame([[0,'abcd',0,1,123]],columns=['a','b','c','d','e'])

old_data_frame = pd.concat([old_data_frame,new_record])

Oto sposób dodania / dołączenia wiersza pandas DataFrame

def add_row(df, row):
    df.loc[-1] = row
    df.index = df.index + 1  
    return df.sort_index()

add_row(df, [1,2,3]) 

Można go użyć do wstawienia / dołączenia wiersza w pustej lub zapełnionej pandach DataFrame

Zamiast listy słowników, jak w odpowiedzi ShikharDua, możemy również przedstawić naszą tabelę jako słownik list , w którym każda lista przechowuje jedną kolumnę w kolejności wierszy, pod warunkiem , że znamy nasze kolumny wcześniej. Na koniec tworzymy naszą ramkę danych raz.

Dla c kolumn i n wierszy używa to 1 słownika i list c , w porównaniu do 1 listy i n słowników. Metoda listy słowników zawiera wszystkie słowniki do przechowywania wszystkich kluczy i wymaga utworzenia nowego słownika dla każdego wiersza. Tutaj dołączamy tylko do list, co jest stałym czasem i teoretycznie bardzo szybkim.

# current data
data = {"Animal":["cow", "horse"], "Color":["blue", "red"]}

# adding a new row (be careful to ensure every column gets another value)
data["Animal"].append("mouse")
data["Color"].append("black")

# at the end, construct our DataFrame
df = pd.DataFrame(data)
#   Animal  Color
# 0    cow   blue
# 1  horse    red
# 2  mouse  black

jeśli chcesz dodać wiersz na końcu, dodaj go jako listę

valuestoappend = [va1,val2,val3]
res = res.append(pd.Series(valuestoappend,index = ['lib', 'qty1', 'qty2']),ignore_index = True)

Innym sposobem na to (prawdopodobnie mało wydajnym):

# add a row
def add_row(df, row):
    colnames = list(df.columns)
    ncol = len(colnames)
    assert ncol == len(row), "Length of row must be the same as width of DataFrame: %s" % row
    return df.append(pd.DataFrame([row], columns=colnames))

Możesz także ulepszyć klasę DataFrame w następujący sposób:

import pandas as pd
def add_row(self, row):
    self.loc[len(self.index)] = row
pd.DataFrame.add_row = add_row

Uprość to. Przyjmując listę jako dane wejściowe, które zostaną dołączone jako wiersz w ramce danych: -

import pandas as pd  
res = pd.DataFrame(columns=('lib', 'qty1', 'qty2'))  
for i in range(5):  
    res_list = list(map(int, input().split()))  
    res = res.append(pd.Series(res_list,index=['lib','qty1','qty2']), ignore_index=True)

Wszystko czego potrzebujesz to loc[df.shape[0]]lubloc[len(df)]

# Assuming your df has 4 columns (str, int, str, bool)
df.loc[df.shape[0]] = ['col1Value', 100, 'col3Value', False] 

lub

df.loc[len(df)] = ['col1Value', 100, 'col3Value', False] 

Często widzimy konstrukcję df.loc[subscript] = …do przypisania do jednego wiersza DataFrame. Mikhail_Sam opublikował testy porównawcze zawierające między innymi ten konstrukt, a także metodę wykorzystującą dict i ostatecznie DataFrame . Zdecydował, że ten drugi jest zdecydowanie najszybszy. Ale jeśli df3.loc[i] = …zastąpimy (z wstępnie przydzielonym DataFrame) w jego kodzie df3.values[i] = …, wynik zmienia się znacząco, ponieważ ta metoda działa podobnie do metody używającej dict. Dlatego powinniśmy częściej brać df.values[subscript] = …pod uwagę wykorzystanie. Należy jednak pamiętać, że .valuespobiera indeks dolny od zera, który może różnić się od DataFrame.index.

pandas.DataFrame.append

DataFrame.append (self, other, ignore_index = False, valid_integrity = False, sort = False) → „DataFrame”

df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
df.append(df2)

Przy ignore_index ustawionym na True:

df.append(df2, ignore_index=True)

przed dodaniem wiersza musimy przekonwertować ramkę danych na słownik, aby zobaczyć klucze jako kolumny w ramce danych, a wartości kolumn są ponownie przechowywane w słowniku, ale kluczem do każdej kolumny jest numer indeksu w ramce danych. Ten pomysł zmusza mnie do napisania poniższego kodu.

df2=df.to_dict()
values=["s_101","hyderabad",10,20,16,13,15,12,12,13,25,26,25,27,"good","bad"] #this is total row that we are going to add
i=0
for x in df.columns:   #here df.columns gives us the main dictionary key
    df2[x][101]=values[i]   #here the 101 is our index number it is also key of sub dictionary
    i+=1

W tym celu można połączyć dwie ramki danych. Zasadniczo natknąłem się na ten problem, aby dodać nowy wiersz do istniejącej ramki danych z indeksem znaków (nie numerycznym). Wprowadzam więc dane dla nowego wiersza w duct () i indeksuję na liście.

new_dict = {put input for new row here}
new_list = [put your index here]

new_df = pd.DataFrame(data=new_dict, index=new_list)

df = pd.concat([existing_df, new_df])

To zajmie się dodaniem elementu do pustej ramki danych. Problem polega na tym, że df.index.max() == nanw przypadku pierwszego indeksu:

df = pd.DataFrame(columns=['timeMS', 'accelX', 'accelY', 'accelZ', 'gyroX', 'gyroY', 'gyroZ'])

df.loc[0 if math.isnan(df.index.max()) else df.index.max() + 1] = [x for x in range(7)]