将一维 Numpy 数组作为行添加到 DataFrame

Posted 2023-02-23

【中文标题】将一维 Numpy 数组作为行添加到 DataFrame

【英文标题】：Add A 1-D Numpy Array to DataFrame as a Row

【发布时间】：2020-02-06 03:03:23

【问题描述】：

是否有一个函数可以让您有效地将 NumPy 数组直接附加到 DataFrame 中？

变量：

df = pd.DataFrame(columns=['col1', 'col2', 'col3'])

Out[1]: +------+------+------+
        | Col1 | Col2 | Col3 |
        +------+------+------+
        |      |      |      |
        +------+------+------+


arr = np.empty(3)

# array is populated with values. Random numbers are chosen in this example,
#    but in my program, the numbers are not arbitrary.
arr[0] = 756
arr[1] = 123
arr[2] = 452

Out[2]: array([756, 123, 452])

我如何直接将arr 附加到df 的末尾以获取此信息？

+------+------+------+
| Col1 | Col2 | Col3 |
+------+------+------+
|  756 |  123 |  452 |
+------+------+------+

我尝试过使用df.append(arr)，但它不接受 NumPy 数组。我可以将 NumPy 数组转换为 DataFrame 然后附加它，但我认为这将非常低效，尤其是在数百万次迭代中。有没有更有效的方法？

【问题讨论】：

使用df.loc[len(df)] = arr

@rafaelc 很快就会慢下来。一旦你的行数达到 10 万行，每行开始需要 10 毫秒，而且还有 90 万多行

@ALollz 但没有人说有一个 for 循环，我们在每次迭代时都附加

您能否提供更多有关您如何生成这些数字的信息？可能最好的解决方案是预先分配所有内容，相应地填充它，然后在最后构造 DataFrame。

【参考方案1】：

@rafaelc 注释只有在你的 Pandas DataFrame 索引从 0 到 len(df)-1 时才有效，因此它不是一般的解决方法，它很容易在你的代码中产生一个无声的错误。

如果您确定您的 Numpy 数组与您的 Pandas DataFrame 具有相同的列，您可以尝试使用 append 函数和 dict 理解，如下所示：

data_to_append = 
for i in range(len(df.columns)):
    data_to_append[df.columns[i]] = arr[i]
df = df.append(data_to_append, ignore_index = True)

您需要重新分配 DataFrame，因为append 函数不支持就地修改。

希望对你有帮助。

【参考方案2】：

@BalrogOfMoira 真的比简单地创建要追加的数据框更快吗？

df.append(pd.DataFrame(arr.reshape(1,-1), columns=list(df)), ignore_index=True)

否则@Wonton，您可以简单地连接数组，然后写入数据帧，该数据帧可以附加到原始数据帧。

【讨论】：

如果 DataFrame 已经存在并填充了数据，这很有用。

【参考方案3】：

这将起作用：

df.append(pd.DataFrame(arr).T)

【讨论】：

如果列索引是整数（并且列索引不是从零开始），则它不起作用。它将索引从零开始的列添加到 df.columns 中的最小索引，并将 arr 值仅分配给第一个 len(arr) 元素。