Inserisci una riga in pandas dataframe

Ho un dataframe:

s1 = pd.Series([5, 6, 7])
s2 = pd.Series([7, 8, 9])

df = pd.DataFrame([list(s1), list(s2)],  columns =  ["A", "B", "C"])

   A  B  C
0  5  6  7
1  7  8  9

[2 rows x 3 columns]

e devo aggiungere una prima riga [2, 3, 4] per ottenere:

   A  B  C
0  2  3  4
1  5  6  7
2  7  8  9

Ho provato append()e concat()funziona ma non riesco a trovare il modo giusto per farlo.

Come aggiungere / inserire serie a dataframe?

Assegna semplicemente una riga a un particolare indice, usando loc:

 df.loc[-1] = [2, 3, 4]  # adding a row
 df.index = df.index + 1  # shifting index
 df = df.sort_index()  # sorting by index

E ottieni, come desiderato:

    A  B  C
 0  2  3  4
 1  5  6  7
 2  7  8  9

Vedere nella documentazione di Pandas Indicizzazione: impostazione con ingrandimento .

Non sono sicuro di come stavi chiamando, concat()ma dovrebbe funzionare fintanto che entrambi gli oggetti sono dello stesso tipo. Forse il problema è che devi lanciare il tuo secondo vettore su un dataframe? Usare il df che hai definito per me funziona:

df2 = pd.DataFrame([[2,3,4]], columns=['A','B','C'])
pd.concat([df2, df])

Un modo per ottenere questo risultato è

>>> pd.DataFrame(np.array([[2, 3, 4]]), columns=['A', 'B', 'C']).append(df, ignore_index=True)
Out[330]: 
   A  B  C
0  2  3  4
1  5  6  7
2  7  8  9

In generale, è più semplice aggiungere dataframe, non serie. Nel tuo caso, dato che vuoi che la nuova riga sia "in alto" (con ID iniziale) e non c'è alcuna funzione pd.prepend(), creo prima il nuovo dataframe e poi aggiungo quello vecchio.

ignore_indexignorerà il vecchio indice in corso nel tuo dataframe e assicurerà che la prima riga inizi effettivamente con index 1invece di riavviare con index 0.

Disclaimer tipico: Cetero censeo ... l'aggiunta di righe è un'operazione abbastanza inefficiente. Se ti interessano le prestazioni e puoi in qualche modo assicurarti di creare prima un dataframe con l'indice corretto (più lungo) e poi inserire semplicemente la riga aggiuntiva nel dataframe, dovresti assolutamente farlo. Vedere:

>>> index = np.array([0, 1, 2])
>>> df2 = pd.DataFrame(columns=['A', 'B', 'C'], index=index)
>>> df2.loc[0:1] = [list(s1), list(s2)]
>>> df2
Out[336]: 
     A    B    C
0    5    6    7
1    7    8    9
2  NaN  NaN  NaN
>>> df2 = pd.DataFrame(columns=['A', 'B', 'C'], index=index)
>>> df2.loc[1:] = [list(s1), list(s2)]

Finora, abbiamo quello che avevi come df:

>>> df2
Out[339]: 
     A    B    C
0  NaN  NaN  NaN
1    5    6    7
2    7    8    9

Ma ora puoi inserire facilmente la riga come segue. Poiché lo spazio è stato preallocato, questo è più efficiente.

>>> df2.loc[0] = np.array([2, 3, 4])
>>> df2
Out[341]: 
   A  B  C
0  2  3  4
1  5  6  7
2  7  8  9

Ho messo insieme una breve funzione che consente un po 'più di flessibilità durante l'inserimento di una riga:

def insert_row(idx, df, df_insert):
    dfA = df.iloc[:idx, ]
    dfB = df.iloc[idx:, ]

    df = dfA.append(df_insert).append(dfB).reset_index(drop = True)

    return df

che potrebbe essere ulteriormente abbreviato in:

def insert_row(idx, df, df_insert):
    return df.iloc[:idx, ].append(df_insert).append(df.iloc[idx:, ]).reset_index(drop = True)

Quindi potresti usare qualcosa come:

df = insert_row(2, df, df_new)

dov'è 2la posizione dell'indice in dfcui si desidera inserire df_new.

Possiamo usare numpy.insert. Questo ha il vantaggio della flessibilità. Devi solo specificare l'indice in cui vuoi inserire.

s1 = pd.Series([5, 6, 7])
s2 = pd.Series([7, 8, 9])

df = pd.DataFrame([list(s1), list(s2)],  columns =  ["A", "B", "C"])

pd.DataFrame(np.insert(df.values, 0, values=[2, 3, 4], axis=0))

    0   1   2
0   2   3   4
1   5   6   7
2   7   8   9

Per np.insert(df.values, 0, values=[2, 3, 4], axis=0), 0 dice alla funzione il posto / indice in cui vuoi inserire i nuovi valori.

questo potrebbe sembrare eccessivamente semplice ma è incredibile che una semplice funzione di inserimento di una nuova riga non sia incorporata. Ho letto molto sull'aggiunta di un nuovo df all'originale, ma mi chiedo se questo sarebbe più veloce.

df.loc[0] = [row1data, blah...]
i = len(df) + 1
df.loc[i] = [row2data, blah...]

Di seguito sarebbe il modo migliore per inserire una riga nel dataframe panda senza ordinare e reimpostare un indice:

import pandas as pd

df = pd.DataFrame(columns=['a','b','c'])

def insert(df, row):
    insert_loc = df.index.max()

    if pd.isna(insert_loc):
        df.loc[0] = row
    else:
        df.loc[insert_loc + 1] = row

insert(df,[2,3,4])
insert(df,[8,9,0])
print(df)

È piuttosto semplice aggiungere una riga in un panda DataFrame:

1. Crea un normale dizionario Python con gli stessi nomi di colonne del tuo Dataframe;

2. Usa il pandas.append()metodo e passa il nome del tuo dizionario, dove .append()è un metodo sulle istanze di DataFrame;

3. Aggiungi ignore_index=Truesubito dopo il nome del dizionario.

concat()sembra essere un po 'più veloce dell'inserimento e della reindicizzazione dell'ultima riga. Nel caso qualcuno si interrogasse sulla velocità di due approcci principali:

In [x]: %%timeit
     ...: df = pd.DataFrame(columns=['a','b'])
     ...: for i in range(10000):
     ...:     df.loc[-1] = [1,2]
     ...:     df.index = df.index + 1
     ...:     df = df.sort_index()

17,1 s ± 705 ms per loop (media ± dev. Std. Di 7 analisi, 1 loop ciascuna)

In [y]: %%timeit
     ...: df = pd.DataFrame(columns=['a', 'b'])
     ...: for i in range(10000):
     ...:     df = pd.concat([pd.DataFrame([[1,2]], columns=df.columns), df])

6,53 s ± 127 ms per loop (media ± dev. Std. Di 7 analisi, 1 loop ciascuna)

Puoi semplicemente aggiungere la riga alla fine del DataFrame e quindi regolare l'indice.

Per esempio:

df = df.append(pd.DataFrame([[2,3,4]],columns=df.columns),ignore_index=True)
df.index = (df.index + 1) % len(df)
df = df.sort_index()

Oppure usa concatcome:

df = pd.concat([pd.DataFrame([[1,2,3,4,5,6]],columns=df.columns),df],ignore_index=True)

Il modo più semplice per aggiungere una riga in un frame di dati Panda è:

DataFrame.loc[ location of insertion ]= list( )

Esempio :

DF.loc[ 9 ] = [ ´Pepe’ , 33, ´Japan’ ]

NB: la lunghezza della tua lista deve corrispondere a quella del data frame.