在循环中使用pandas .append

Question

我在for循环内将行追加到pandas DataFrame，但最后该数据帧始终为空。我不想将行添加到数组中，然后再调用DataFrame构造函数，因为我的实际for循环可以处理大量数据。我也尝试pd.concat没有成功。谁能强调我缺少使append语句起作用的内容？这是一个虚拟的例子：import pandas as pdimport numpy as npdata = pd.DataFrame([])for i in np.arange(0, 4):    if i % 2 == 0:        data.append(pd.DataFrame({'A': i, 'B': i + 1}, index=[0]), ignore_index=True)    else:        data.append(pd.DataFrame({'A': i}, index=[0]), ignore_index=True)print data.head()Empty DataFrameColumns: []Index: [][Finished in 0.676s]

Answer 1

您需要将变量设置为data等于附加数据框。与appendpython list上的方法不同，pandas append不会在原地发生

import pandas as pd

import numpy as np

data = pd.DataFrame([])

for i in np.arange(0, 4):

    if i % 2 == 0:

        data = data.append(pd.DataFrame({'A': i, 'B': i + 1}, index=[0]), ignore_index=True)

    else:

        data = data.append(pd.DataFrame({'A': i}, index=[0]), ignore_index=True)

print(data.head())

   A    B

0  0  1.0

1  2  3.0

2  3  NaN

Answer 2

每次调用append时，Pandas都会返回原始数据框的副本以及新行。这称为二次复制，它是一个O（N ^ 2）操作，它将很快变得非常慢（特别是因为您有大量数据）。

对于您的情况，我建议使用列表，将其追加到列表中，然后调用数据框构造函数。

a_list = []

b_list = []

for data in my_data:

    a, b = process_data(data)

    a_list.append(a)

    b_list.append(b)

df = pd.DataFrame({'A': a_list, 'B': b_list})

del a_list, b_list

时机

%%timeit

data = pd.DataFrame([])

for i in np.arange(0, 10000):

    if i % 2 == 0:

        data = data.append(pd.DataFrame({'A': i, 'B': i + 1}, index=[0]), ignore_index=True)

else:

    data = data.append(pd.DataFrame({'A': i}, index=[0]), ignore_index=True)

1 loops, best of 3: 6.8 s per loop

%%timeit

a_list = []

b_list = []

for i in np.arange(0, 10000):

    if i % 2 == 0:

        a_list.append(i)

        b_list.append(i + 1)

    else:

        a_list.append(i)

        b_list.append(None)

data = pd.DataFrame({'A': a_list, 'B': b_list})

100 loops, best of 3: 8.54 ms per loop

Answer 3

您可以构建数据框架而无需循环：

n = 4

data = pd.DataFrame({'A': np.arange(n)})

data['B'] = np.NaN

data.loc[data['A'] % 2 == 0, 'B'] = data['A'] + 1

对于：

n = 10000

这有点快：

%%timeit

data = pd.DataFrame({'A': np.arange(n)})

data['B'] = np.NaN

data.loc[data['A'] % 2 == 0, 'B'] = data['A'] + 1

100 loops, best of 3: 3.3 ms per loop

与

%%timeit

a_list = []

b_list = []

for i in np.arange(n):

    if i % 2 == 0:

        a_list.append(i)

        b_list.append(i + 1)

    else:

        a_list.append(i)

        b_list.append(None)

data1 = pd.DataFrame({'A': a_list, 'B': b_list})

100 loops, best of 3: 12.4 ms per loop