Python：用一列麻木数组填充熊猫数据帧的一行

Question

我有一个熊猫数据帧（1413行）和一个numpy数组（1412行）。type(df1)Out[193]: pandas.core.frame.DataFramedf1.shapeOut[194]: (1413, 15)type(arr1)Out[195]: numpy.ndarrayarr1.shapeOut[196]: (1412, 3)我想用arr1 + nan中的列填充df1中的列，但它不起作用df1['aaa'] = np.vstack((np.nan, arr1[:,0]))任何人都可以让我知道如何做吗？

Answer 1

使用numpy.hstack向数组添加一个值：1d

df1 = pd.DataFrame({'a': range(6)})

arr1 = np.arange(15).reshape(5,3)

print (arr1)

[[ 0  1  2]

 [ 3  4  5]

 [ 6  7  8]

 [ 9 10 11]

 [12 13 14]]

df1['aaa'] = np.hstack((np.nan, arr1[:,0]))

print (df1)

   a   aaa

0  0   NaN

1  1   0.0

2  2   3.0

3  3   6.0

4  4   9.0

5  5  12.0

如果可能，另一个想法是使用具有索引的构造函数：DataFrameSeriesdf1.index

df1 = pd.DataFrame({'a': range(6)}, index=list('abcdef'))

arr1 = np.arange(15).reshape(5,3)

print (arr1)

[[ 0  1  2]

 [ 3  4  5]

 [ 6  7  8]

 [ 9 10 11]

 [12 13 14]]

dif = df1.shape[0] - arr1.shape[0]

df1['aaa'] = pd.Series(arr1[:,0], index=df1.index[dif:])

print (df1)

   a   aaa

a  0   NaN

b  1   0.0

c  2   3.0

d  3   6.0

e  4   9.0

f  5  12.0

最后位置：

dif = df1.shape[0] - arr1.shape[0]

df1['aaa'] = pd.Series(arr1[:,0], index=df1.index[:-dif])

print (df1)

   a   aaa

a  0   0.0

b  1   3.0

c  2   6.0

d  3   9.0

e  4  12.0

f  5   NaN

编辑：

arr1 = np.arange(15).reshape(5,3)

df1 = pd.DataFrame({'a': range(6)})

如果选择只得到带有形状的数组，那么就有必要 numpy.hstack：01d(6,)

a = np.hstack((np.nan, arr1[:,0]))

print (a)

[nan  0.  3.  6.  9. 12.]

print (a.shape)

(6,)

df1['aaa'] = a

如果通过获取具有形状的尺寸的数组来选择，则可以使用numpy.vstack：[0]2dMxN(6,1)

a1 = np.vstack((np.nan, arr1[:,[0]]))

print (a1)

[[nan]

 [ 0.]

 [ 3.]

 [ 6.]

 [ 9.]

 [12.]]

print (a1.shape)

(6, 1)

df1['aaa1'] = a1

print (df1)

   a   aaa  aaa1

0  0   NaN   NaN

1  1   0.0   0.0

2  2   3.0   3.0

3  3   6.0   6.0

4  4   9.0   9.0

5  5  12.0  12.0   

Answer 2

虽然我可以看到其他几个答案，但没有一个真正解决了手头的问题。直观地说，你的方法是可以的;您正在列数组上垂直堆叠。nan

df1['aaa'] = np.vstack((np.nan, arr1[:,0]))

它应该工作，但它没有。这里的小问题是搜索列维度。 具有形状 ;它没有第二个维度。简单地重塑它将使工作正常。vstackarr1[:,0](1412, )(1412,1)vstack

df1['aaa'] = np.vstack((np.nan, arr1[:,0].reshape(-1,1)))

Answer 3

你可以这样做，这里有结果。添加列，第一行是 NaN：

df['aaa'] = pd.Series(ar1[:,0])

ea = np.empty(df.shape[1]).fill(np.nan)

df.loc[-1] = ea

df.index = df.index + 1

df = df.reset_index(drop=True).sort_values(by=['aaa'], na_position='first')

这是您的数据框架：

c1  c2  c3

0   1   2   3

1  10  20  30

下面是数组：

[[  5  55]

 [ 50 550]]

结果是这样的：

     c1    c2    c3   aaa

2   NaN   NaN   NaN   NaN

0   1.0   2.0   3.0   5.0

1  10.0  20.0  30.0  50.0

Answer 4

您可以使用 np.附加

df1['aaa'] = np.append(np.nan, arr1[:,0])