使用 Pandas 将数据框和其他数据保存在同一个 .csv 文件中

Posted 2023-05-07

【中文标题】使用 Pandas 将数据框和其他数据保存在同一个 .csv 文件中

【英文标题】：Saving dataframe and additional data in same .csv file with Pandas

【发布时间】：2016-11-25 12:34:33

【问题描述】：

描述：我有一组参数（par1、par2、par3、par4）和一个数据框df。在此示例中，数据帧的参数和列数分别为 4 和 3，但它们都可以是通用数字。

import pandas as pd
import numpy as np

# list of parameters
par1 = 1.05
par2 = 20
par3 = 50000
par4 = 12315468

# Dataframe
dic = 'A' : ['PINCO','PALLO','TOLLO','FINGO','VOLVA'],
       'B' : [ 4     , 5     , np.nan, 1     , 0],
       'C' : [ 1     , 4     , 8     , 7     , 6]
df = pd.DataFrame(dic)

我的目标是将这些数据保存在同一个 .csv 文件中，但我不知道该怎么做，因为参数的数量与df 的列数。

我的输出文件必须遵循这个规则：

第一行：参数列表 第二行及之后：数据框的内容

因此它看起来像这样：

问题：您能否提供一种智能高效的方法来获取所需形状的输出文件？

【参考方案1】：

首先创建par1、par2、par3等参数列表。

l = [par1, par2, par3, par4]

然后将列表保存到csv

filename = 'abc.csv'
pd.DataFrame(l).T.to_csv(filename, index=False, header=False)

使用python的追加模式将数据框追加到csv中。

with open(filename, 'a') as f:  # Use append mode.
    df.to_csv(f, index=False, header=False)

【参考方案2】：

您可以先创建参数列表pars，然后用相同的length 覆盖pars 列，最后使用reindex，但值必须是unique：

# list of parameters
par1 = 1.05
par2 = 20
par3 = 50000
par4 = 12315468

pars = [par1,par2,par3,par4]

# Dataframe
dic = 'A' : ['PINCO','PALLO','TOLLO','FINGO','VOLVA'],
       'B' : [ 4     , 5     , np.nan, 1     , 0],
       'C' : [ 1     , 4     , 8     , 7     , 6]
df = pd.DataFrame(dic)

df.columns = pars[:len(pars) - 1]
print (df)
  1.05      20.00     50000.00
0    PINCO       4.0         1
1    PALLO       5.0         4
2    TOLLO       NaN         8
3    FINGO       1.0         7
4    VOLVA       0.0         6

df = df.reindex(columns=pars)
print (df)
  1.05         20.00        50000.00     12315468.00
0       PINCO          4.0            1          NaN
1       PALLO          5.0            4          NaN
2       TOLLO          NaN            8          NaN
3       FINGO          1.0            7          NaN
4       VOLVA          0.0            6          NaN

另一个可能的解决方案是使用DataFrame 中的concat 从列表pars 创建：

pars = [par1,par2,par3,par4]

# Dataframe
dic = 'A' : ['PINCO','PALLO','TOLLO','FINGO','VOLVA'],
       'B' : [ 4     , 5     , np.nan, 1     , 0],
       'C' : [ 1     , 4     , 8     , 7     , 6]
df = pd.DataFrame(dic)
print (df)

df.columns = range(len(df.columns))
s = pd.DataFrame([pars])
print (s)
      0   1      2         3
0  1.05  20  50000  12315468

df1 = pd.concat([s, df], ignore_index=True)
print (df1)
       0     1      2           3
0   1.05  20.0  50000  12315468.0
1  PINCO   4.0      1         NaN
2  PALLO   5.0      4         NaN
3  TOLLO   NaN      8         NaN
4  FINGO   1.0      7         NaN
5  VOLVA   0.0      6         NaN

EDIT 也可以使用模式a 在read_csv 中追加：

filename = 'filename.csv'
pars = [par1,par2,par3,par4]
pd.DataFrame([pars]).to_csv(filename, index=False, header=False)
df.to_csv(filename, index=False, header=False, mode='a')

【讨论】：

我认为他/她不想在最后一列出现NaN。那可能吗 ？我的意思是标题的大小可以与数据的大小不同吗？

嗯，答案不是。

是否可以通过某种方式告诉 concat 函数忽略列名并因此跳过 df.columns 选项来使用第二种方法？

我认为不是，因为concat 对齐数据columns

我更改了参数的一些值，在创建数据框时，我得到一列而不是行...你知道这是怎么可能的吗？