在熊猫数据框中插入一行

我有一个数据框：

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]

并且我需要添加第一行[2、3、4]以获取：

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

我已经尝试过append()并concat()起作用，但是找不到正确的方法。

如何在数据框中添加/插入序列？

只需使用以下命令将行分配给特定索引loc：

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

然后，您可以根据需要获得：

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

请参阅Pandas文档中的“ 索引：放大设置”。

不确定您的调用方式，concat()但是只要两个对象的类型相同，它就可以正常工作。也许问题是您需要将第二个向量转换为数据框？使用您定义的df，以下对我有用：

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

实现此目的的一种方法是

>>> 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

通常，最简单的方法是附加数据帧，而不是序列。在您的情况下，由于您希望新行位于“顶部”（具有起始ID），并且没有功能pd.prepend()，因此我首先创建新的数据框，然后追加旧的数据框。

ignore_index会忽略数据框中旧的正在进行的索引，并确保第一行实际上以index开头，1而不是以index重启0。

典型的免责声明：Cetero censeo ...追加行是一种效率很低的操作。如果您关心性能，并且可以某种方式确保首先创建具有正确（较长）索引的数据框，然后仅将另一行插入该数据框，则绝对应该这样做。看到：

>>> 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)]

到目前为止，我们拥有您所拥有的df：

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

但是现在您可以按如下所示轻松插入该行。由于空间是预先分配的，因此效率更高。

>>> 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

我整理了一个简短的函数，该函数在插入行时具有更大的灵活性：

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

可以进一步缩短为：

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

然后，您可以使用类似：

df = insert_row(2, df, df_new)

这里2是在索引位置df要插入df_new。

我们可以使用numpy.insert。这具有灵活性的优点。您只需要指定要插入的索引。

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

对于np.insert(df.values, 0, values=[2, 3, 4], axis=0)，0告诉函数要放置新值的位置/索引。

这看似过于简单，但令人难以置信的是，没有内置简单的插入新行功能。我已经读了很多关于将新df附加到原始df的信息，但是我想知道这样做是否会更快。

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

以下是在不排序和重置索引的情况下将行插入pandas数据框的最佳方法：

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)

concat()似乎比最后一行插入和重新索引要快一点。如果有人想知道两种主要方法的速度：

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()

每个循环17.1 s±705毫秒（平均±标准偏差，共7次运行，每个循环1次）

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])

每个循环6.53 s±127毫秒（平均±标准偏差，共7次运行，每个循环1次）

在pandas中添加一行很简单DataFrame：

1. 创建一个与您的列名称相同的常规Python字典Dataframe；

2. 使用pandas.append()method并传入您的字典名称，其中.append()DataFrame实例上的方法是；

3. ignore_index=True在您的词典名称之后添加。

您可以简单地将行追加到DataFrame的末尾，然后调整索引。

例如：

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()

或concat用作：

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

在熊猫数据框中添加一行的最简单方法是：

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

范例：

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

注意：列表的长度应与数据框的长度匹配。