Python pandas 在每行后面插入空行

Question

您好，我正在尝试使用 pandas 在当前数据的每行后面插入 3 个空行，然后导出数据。例如，当前数据样本可以是：

name     profession
Bill      cashier
Sam        stock
Adam      security

理想情况下我想要实现的目标：

name     profession
Bill      cashier
Nan         Nan
Nan         Nan
Nan         Nan
Sam        stock
Nan         Nan
Nan         Nan
Nan         Nan
Adam      security
Nan         Nan
Nan         Nan
Nan         Nan

我已经尝试过 itertools，但是我不确定如何使用此方法在每行之后精确地获取三个空行。任何帮助、指导、样品都将不胜感激！

Answer 1

我认为在数据帧上使用追加效率非常低（每次都必须为整个数据帧重新分配内存）。

DataFrame 旨在分析数据并轻松添加列，而不是行。

所以我认为一个好的方法是创建一个正确大小的新数据框，然后将数据传输给它。最简单的方法是使用索引。

# Demonstration data
data = 'name profession Bill cashier Sam stock Adam security'
data = np.array(data.split()).reshape((4,2))
df = pd.DataFrame(data[1:],columns=data[0])

# Add n blank rows
n = 3
new_index = pd.RangeIndex(len(df)*(n+1))
new_df = pd.DataFrame(index=new_index, columns=df.columns, dtype='object')
ids = np.arange(len(df))*(n+1)
new_df.loc[ids] = df.values
print(new_df)

输出：

    name profession
0   Bill    cashier
1    NaN        NaN
2    NaN        NaN
3    NaN        NaN
4    Sam      stock
5    NaN        NaN
6    NaN        NaN
7    NaN        NaN
8   Adam   security
9    NaN        NaN
10   NaN        NaN
11   NaN        NaN

Answer 2

 insert_rows = 3   # how many rows to insert

 df.index = range(0, insert_rows * len(df), insert_rows)

 # create new_df with added rows
 new_df = df.reindex(index = range(insert_rows * len(df))) 

Answer 3

如果您提供了更多有用的信息，但我想到的是使用此命令

df.append(pd.Series(), ignore_index=True)

这将向您的数据框添加一个空行，但正如您所看到的，您必须传递 set

ignore_index=True

，否则追加将无法工作。

Answer 4

下面的代码包含一个在数据框的现有行之间添加空行的函数。

可能不是您想要执行的操作的最佳方法，导出数据时添加空白行可能会更好。

import pandas as pd

def add_blank_rows(df, no_rows):
    df_new = pd.DataFrame(columns=df.columns)
    for idx in range(len(df)):
        df_new = df_new.append(df.iloc[idx])
        for _ in range(no_rows):
            df_new=df_new.append(pd.Series(), ignore_index=True)
    return df_new
    
df = pd.read_csv('test.csv')

df_with_blank_rows = add_blank_rows(df, 3)

print(df_with_blank_rows)

Answer 5

这有效

df_new = pd.DataFrame()
for i, row in df.iterrows():
    df_new = df_new.append(row)
    for _ in range(3):
        df_new = df_new.append(pd.Series(), ignore_index=True)

df

当然是原始的DataFrame

Answer 6

这是一个用一个循环来完成此操作的函数：

def NAN_rows(df):
    row = df.shape[0]
    x = np.empty((3,2,)) # 3 empty row and 2 columns. You can increase according to your original df
    x[:] = np.nan
    df_x = pd.DataFrame( columns = ['name' ,'profession'])
    for i in range(row):
        temp = np.vstack([df.iloc[i].tolist(),x])
        df_x = pd.concat([df_x, pd.DataFrame(temp,columns = ['name' ,'profession'])], axis=0)
        
    return df_x
   
df = pd.DataFrame({
   'name' : ['Bill','Sam','Adam'],
    'profession' : ['cashier','stock','security']
})

print(NAN_rows(df))

#Output: 

   name profession
0  Bill    cashier
1   nan        nan
2   nan        nan
3   nan        nan
0   Sam      stock
1   nan        nan
2   nan        nan
3   nan        nan
0  Adam   security
1   nan        nan
2   nan        nan
3   nan        nan