创建一个空的Pandas DataFrame，然后填充它？

Question

我从这里的pandas DataFrame文档开始：http ://pandas.pydata.org/pandas-docs/stable/dsintro.html

我想在时间序列类型的计算中用值迭代地填充DataFrame。所以基本上，我想用列A，B和时间戳记行（全为0或全部为NaN）初始化DataFrame。

然后，我将添加初始值，然后遍历此数据，计算出大约某行之前的新行row[A][t] = row[A][t-1]+1。

我目前正在使用下面的代码，但是我觉得这很丑陋，必须有一种直接使用DataFrame进行此操作的方法，或者通常来说是一种更好的方法。注意：我正在使用Python 2.7。

import datetime as dt
import pandas as pd
import scipy as s

if __name__ == '__main__':
    base = dt.datetime.today().date()
    dates = [ base - dt.timedelta(days=x) for x in range(0,10) ]
    dates.sort()

    valdict = {}
    symbols = ['A','B', 'C']
    for symb in symbols:
        valdict[symb] = pd.Series( s.zeros( len(dates)), dates )

    for thedate in dates:
        if thedate > dates[0]:
            for symb in valdict:
                valdict[symb][thedate] = 1+valdict[symb][thedate - dt.timedelta(days=1)]

    print valdict

Answer 1

这里有一些建议：

使用date_range的指标：

import datetime
import pandas as pd
import numpy as np

todays_date = datetime.datetime.now().date()
index = pd.date_range(todays_date-datetime.timedelta(10), periods=10, freq='D')

columns = ['A','B', 'C']

注意：我们可以NaN简单地通过编写以下内容来创建一个空的DataFrame（带有s）：

df_ = pd.DataFrame(index=index, columns=columns)
df_ = df_.fillna(0) # with 0s rather than NaNs

要对数据进行这些类型的计算，请使用numpy数组：

data = np.array([np.arange(10)]*3).T

因此，我们可以创建DataFrame：

In [10]: df = pd.DataFrame(data, index=index, columns=columns)

In [11]: df
Out[11]: 
            A  B  C
2012-11-29  0  0  0
2012-11-30  1  1  1
2012-12-01  2  2  2
2012-12-02  3  3  3
2012-12-03  4  4  4
2012-12-04  5  5  5
2012-12-05  6  6  6
2012-12-06  7  7  7
2012-12-07  8  8  8
2012-12-08  9  9  9