将 pandas DataFrame 列附加到 CSV

Posted 2023-02-23

【中文标题】将 pandas DataFrame 列附加到 CSV

【英文标题】：Append pandas DataFrame column to CSV

【发布时间】：2015-03-06 23:43:44

【问题描述】：

我正在尝试将 pandas DataFrame（单列）附加到现有的 CSV，很像 this post，但它不起作用！相反，我的列被添加到 csv 的底部，并一遍又一遍地重复（csv 中的行 >> 列的大小）。这是我的代码：

with open(outputPath, "a") as resultsFile:
    print len(scores)
    scores.to_csv(resultsFile, header=False)
    print resultsFile

终端输出：4032 <open file '/Users/alavin/nta/NAB/results/numenta/artificialWithAnomaly/numenta_art_load_balancer_spikes.csv', mode 'a' at 0x1088686f0>

提前谢谢你！

【问题讨论】：

另外两个信息会有所帮助：1) resultsFile 的现有内容是什么样的？ （通过手动检查文件进行确认）和 2）scores DataFrame 是什么样的？ （scores.head(10) 就足够了）

它在文件末尾附加了 scores 数据框，因为这就是 pandas to_csv 功能的工作方式。如果您想在原始 csv 数据框中附加 scores 作为新列，则需要将 csv 读取到数据框中，附加 scores 列，然后将其写回 csv。

resultsFile 是 5 列的 csv：'timestamp'、'value'、'aaa'、'bbb'、'label'。我希望第 6 个是 scores DataFrame。我已经验证所有列的长度相同。 scores 有一个列标题“s”。

@aus_lacy 我应该澄清一下，我正在尝试在不读取 csv 的情况下执行此操作...

@alavin89 我认为不可能在不打开文件并解析数据的情况下将列附加到 csv 中的原始数据帧，因为 python 无法知道存在数据帧在要附加到的 csv 中。

【参考方案1】：

就像@aus_lacy 已经建议的那样，您只需先将csv文件读入一个数据帧，将两个数据帧连接起来再写回csv文件：

假设您现有的数据框名为 df：

df_csv = pd.read_csv(outputPath, 'your settings here')

# provided that their lengths match
df_csv['to new column'] = df['from single column']

df_csv.to_csv(outputPath, 'again your settings here')

就是这样。

【讨论】：

我试图避免打开和读取所有数据，但这确实有效:)

@alavin89，一定要用python吗？

@alavin89，那么这将很困难，前提是您仍然需要打开+阅读 csv 的每一行以找到换行符并附加新列。我不喜欢 DiskIO-明智的你可以有一个简单的解决方案

由于某种原因，to_csv() 正在新行中添加数据，我想在新列中添加数据框。你能帮忙吗？ pythonfiddle.com/copy-csv-and-dataframe

@Veronica 您确定实际匹配的两个数据帧的长度吗？

【参考方案2】：

如果要迭代地将许多列添加到大型 csv 文件中，我发现该解决方案存在问题。

解决方案是接受 csv 文件来存储转置的数据帧。即标题用作索引，反之亦然。

好处是您不会将计算能力浪费在隐蔽的操作上。

这里是常规附加模式mode='a'的操作时间，以及长度为5000的系列的附加列方法附加100次：

缺点是在为其他目的读取 csv 时，您必须转置数据帧以获得“预期的”数据帧。

剧情代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import datetime as dt

col = []
row = []
N = 100

# Append row approach
for i in range(N):
    t1 = dt.datetime.now()
    data = pd.DataFrame(f'col_i':np.random.rand(5000)).T
    data.to_csv('test_csv_data1.txt',mode='a',header=False,sep="\t")
    t2 = dt.datetime.now()
    row.append((t2-t1).total_seconds())

# Append col approach
pd.DataFrame().to_csv('test_csv_data2.txt',header=True,sep="\t")
for i in range(N):
    t1 = dt.datetime.now()
    data = pd.read_csv('test_csv_data2.txt',sep='\t',header=0)
    data[f'col_i'] = np.random.rand(5000)
    data.to_csv('test_csv_data2.txt',header=True,sep="\t")
    t2 = dt.datetime.now()
    col.append((t2-t1).total_seconds())
    
t = pd.DataFrame('N appendices':[i for i in range(N)],'append row':row,'append col':col)
t = t.set_index('N appendices')