如何将单个项目添加到熊猫系列 [重复]

Question

如何向Pandas Series实例添加单个项目？

我正在寻找以下代码：

>>> x = Series()
>>> N = 4
>>> for i in xrange(N):
>>>     x.some_appending_function(i**2)    
>>> print(x)
0 | 0
1 | 1
2 | 4
3 | 9

同样，我如何向Pandas DataFrame添加一行呢？

Answer 1

如果您有索引和值。然后，您可以添加到系列中，如下所示：

obj = Series([4,7,-5,3])
obj.index=['a', 'b', 'c', 'd']

obj['e'] = 181

这将为系列添加一个新值(在系列的末尾)。

Answer 2

TLDR：不要一个接一个地将项附加到序列，最好使用有序集合进行扩展

我认为目前形式的问题有点棘手。接受的答案确实回答了这个问题。但是我使用熊猫的次数越多，我就越明白，将项目逐个附加到系列中是一个坏主意。我会试着解释为什么熊猫初学者。

您可能认为将数据附加到给定的Series可能允许您重用某些资源，但实际上Series只是一个存储索引和值数组之间关系的容器。每个都是一个numpy.array，并且索引是不可变的。当您将索引中缺少标签的项目添加到Series时，将创建一个大小为n 1的新索引，并创建一个大小相同的新值数组。这意味着当您一个接一个地附加项目时，您将在每一步上再创建两个大小为n 1的数组。

顺便说一句，您不能按位置追加新项（您将获得一个 IndexError），并且索引中的标签不必是唯一的，也就是说，当您使用标签分配值时，您将该值分配给具有标签的所有现有项，并且在这种情况下不会追加新行。这可能会导致微妙的错误。

这个故事的寓意是，您不应该一个接一个地附加数据，您应该更好地使用有序集合进行扩展。问题是您无法在原地扩展级数。这就是为什么更好地组织代码，这样就不需要通过引用更新系列的特定实例。

如果您自己创建标签，并且它们在增加，最简单的方法是向字典中添加新的条目，然后从字典中创建一个新的序列(它对键进行排序)并将该序列追加到旧的序列中。如果键没有增加，那么您需要为新标签和新值创建两个单独的列表。

下面是一些代码示例：

In [1]: import pandas as pd
In [2]: import numpy as np

In [3]: s = pd.Series(np.arange(4)**2, index=np.arange(4))

In [4]: s
Out[4]:
0    0
1    1
2    4
3    9
dtype: int64

In [6]: id(s.index), id(s.values)
Out[6]: (4470549648, 4470593296)

更新现有项时，索引和值数组保持不变（如果不更改值的类型）

In [7]: s[2] = 14  

In [8]: id(s.index), id(s.values)
Out[8]: (4470549648, 4470593296)

但是当您添加新项目时，会生成一个新索引和新值数组：

In [9]: s[4] = 16

In [10]: s
Out[10]:
0     0
1     1
2    14
3     9
4    16
dtype: int64

In [11]: id(s.index), id(s.values)
Out[11]: (4470548560, 4470595056)

也就是说，如果您要追加多个项目，将它们收集在字典中，创建一个系列，将其附加到旧项目并保存结果：

In [13]: new_items = {item: item**2 for item in range(5, 7)}

In [14]: s2 = pd.Series(new_items)

In [15]: s2  # keys are guaranteed to be sorted!
Out[15]:
5    25
6    36
dtype: int64

In [16]: s = s.append(s2); s
Out[16]:
0     0
1     1
2    14
3     9
4    16
5    25
6    36
dtype: int64

Answer 3

如何添加单品？这不是很有效，但符合你的要求:

x = p.Series()
N = 4
for i in xrange(N):
   x = x.set_value(i, i**2)

产生x:

0    0
1    1
2    4
3    9

显然，有更好的方法可以在一个镜头中生成这个系列。

对于您的第二个问题，请检查SO问题的答案和引用，并在pandas.DataFrame中添加一行。