是否可以在不先制作列表的情况下将 Series 附加到 DataFrame 的行？

Question

我有一些数据正在尝试整理到 Pandas 中的 DataFrame 中。我试图让每一行成为 Series 并将其附加到 DataFrame。我找到了一种方法，将 Series 附加到空 list，然后将 Series 的 list 转换为 DataFrame

例如DF = DataFrame([series1,series2],columns=series1.index)

list 到 DataFrame 这一步似乎过分了。我在这里查看了几个示例，但是 Series 中的 none 保留了 Series 中的 Index 标签以将它们用作列标签。

我的长路是 id_names 行 type_names：

是否可以在不先创建列表的情况下将 Series 附加到 DataFrame 的行中？

#!/usr/bin/python

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value)
    DF.append(SR_row)
DF.head()

TypeError: Can only append a Series if ignore_index=True or if the Series has a name

然后我试了

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value,name=sample)
    DF.append(SR_row)
DF.head()

空数据框

尝试过Insert a row to pandas dataframe 仍然得到一个空数据框：/

我试图让 Series 成为行，其中 Series 的索引成为 DataFrame 的列标签

Answer 1

也许更简单的方法是将 pandas.Series 添加到 pandas.DataFrame 中，并将 ignore_index=True 参数添加到 DataFrame.append()。示例 -

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value)
    DF = DF.append(SR_row,ignore_index=True)

演示 -

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([[1,2],[3,4]],columns=['A','B'])

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

In [5]: s = pd.Series([5,6],index=['A','B'])

In [6]: s
Out[6]:
A    5
B    6
dtype: int64

In [36]: df.append(s,ignore_index=True)
Out[36]:
   A  B
0  1  2
1  3  4
2  5  6

代码中的另一个问题是 DataFrame.append() 不在位，它 returns 附加的数据框，您需要将其分配回原始数据框才能正常工作。示例 -

DF = DF.append(SR_row,ignore_index=True)

要保留标签，您可以使用您的解决方案来包含系列的名称，并将附加的 DataFrame 分配回 DF。示例 -

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value,name=sample)
    DF = DF.append(SR_row)
DF.head()

Answer 2

DataFrame.append 不会就地修改 DataFrame。如果要将其重新分配回原始变量，则需要执行 df = df.append(...)。

Answer 3

像这样的东西可以工作...

mydf.loc['newindex'] = myseries

这是我使用它的例子...

stats = df[['bp_prob', 'ICD9_prob', 'meds_prob', 'regex_prob']].describe()

stats
Out[32]: 
          bp_prob   ICD9_prob   meds_prob  regex_prob
count  171.000000  171.000000  171.000000  171.000000
mean     0.179946    0.059071    0.067020    0.126812
std      0.271546    0.142681    0.152560    0.207014
min      0.000000    0.000000    0.000000    0.000000
25%      0.000000    0.000000    0.000000    0.000000
50%      0.000000    0.000000    0.000000    0.013116
75%      0.309019    0.065248    0.066667    0.192954
max      1.000000    1.000000    1.000000    1.000000

medians = df[['bp_prob', 'ICD9_prob', 'meds_prob', 'regex_prob']].median()

stats.loc['median'] = medians

stats
Out[36]: 
           bp_prob   ICD9_prob   meds_prob  regex_prob
count   171.000000  171.000000  171.000000  171.000000
mean      0.179946    0.059071    0.067020    0.126812
std       0.271546    0.142681    0.152560    0.207014
min       0.000000    0.000000    0.000000    0.000000
25%       0.000000    0.000000    0.000000    0.000000
50%       0.000000    0.000000    0.000000    0.013116
75%       0.309019    0.065248    0.066667    0.192954
max       1.000000    1.000000    1.000000    1.000000
median    0.000000    0.000000    0.000000    0.013116

Answer 4

尝试使用此命令。请参阅下面给出的示例：

df.loc[len(df)] = ['Product 9',99,9.99,8.88,1.11]

df

Answer 5

将系列转换为数据框并转置，然后正常追加。

srs = srs.to_frame().T
df = df.append(srs)

Answer 6

这也行得通：

df = pd.DataFrame()
new_line = pd.Series({'A2M': 4.059, 'A2ML1': 4.28}, name='HCC1419')
df = df.append(new_line, ignore_index=False)

Series 中的 name 将是数据帧中的索引。 ignore_index=False 是本例中的重要标志。

是否可以在不先制作列表的情况下将 Series 附加到 DataFrame 的行？

Is it possible to append Series to rows of DataFrame without making a list first?

python

pandas

machine-learning

dataframe

series