promedio - crear columnas en python

Insertar una fila en el marco de datos de los pandas

Question

Tengo un marco de datos ...

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]

y necesito agregar una primera fila [2, 3, 4] para obtener ...

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

He probado las funciones de agregar () y concat (), pero de alguna manera no puedo encontrar la manera correcta de hacerlo.

¿Algunas ideas? ¿Hay alguna manera directa de agregar / insertar series en el marco de datos?

Answer 1

Configuré una función corta que permite un poco más de flexibilidad al insertar una fila:

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

que podría acortarse aún más a:

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

Entonces podrías usar algo como:

df = insert_row(2, df, df_new)

donde 2 es la posición del índice en df donde desea insertar df_new .

Answer 2

No estoy seguro de cómo se llamaba concat () pero debería funcionar siempre que ambos objetos sean del mismo tipo. ¿Tal vez el problema es que necesitas lanzar tu segundo vector a un marco de datos? Usando el df que definió los siguientes trabajos para mí.

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

Answer 3

Podemos usar numpy.insert . Esto tiene la ventaja de la flexibilidad. Solo necesita especificar el índice al que desea insertar.

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

Para np.insert(df.values, 0, values=[2, 3, 4], axis=0) , 0 le dice a la función el lugar / índice que desea colocar los nuevos valores.

Answer 4

Simplemente asigne una fila a un índice en particular, 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

Y obtienes, como deseas:

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

Ver en la documentación de Pandas Indexación: Configuración con ampliación .

Answer 5

Una forma de lograr esto es

>>> 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

En general, es más fácil agregar marcos de datos, no series. En su caso, dado que desea que la nueva fila esté "en la parte superior" (con el ID de inicio), y no hay ninguna función pd.prepend() , primero creo el nuevo marco de datos y luego anexo el anterior.

ignore_index ignorará el viejo índice en curso en su marco de datos y se asegurará de que la primera fila realmente comience con el índice 1 lugar de reiniciar con el índice 0 .

Descargo de responsabilidad típico: Cetero censeo ... filas anexas es una operación bastante ineficiente. Si le importa el rendimiento y de alguna manera puede asegurarse de crear primero un marco de datos con el índice correcto (más largo) y luego simplemente insertando la fila adicional en el marco de datos, definitivamente debe hacerlo. Ver:

>>> 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)]

Hasta ahora, tenemos lo que tenías como df :

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

Pero ahora puede insertar fácilmente la fila de la siguiente manera. Dado que el espacio fue preasignado, esto es más eficiente.

>>> 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