是否可以在不首先创建列表的情况下将Series附加到DataFrame的行？

Question

我有一些要在DataFrame中整理为Pandas的数据。我试图将每一行都设为Series并将其附加到DataFrame。我找到了一种方法，将Series附加到空的list，然后将list的Series转换为DataFrame

例如DF = DataFrame([series1,series2],columns=series1.index)

此list至DataFrame步骤似乎过分。我在此处检查了一些示例，但是Series都没有保留Index中的Series标签以用作列标签。

我很长的路要走，列是id_names，行是type_names：

是否可以将Series添加到DataFrame的行中而不先创建列表？

#!/usr/bin/python

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value)
    DF.append(SR_row)
DF.head()

TypeError: Can only append a Series if ignore_index=True or if the Series has a name

然后我尝试了

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value,name=sample)
    DF.append(SR_row)
DF.head()

空数据框

已尝试Insert a row to pandas dataframe仍然得到一个空的数据框：/

[我正在尝试让Series成为行，其中Series的索引成为DataFrame的列标签

Answer 1

[也许一种更简单的方法是使用pandas.Series的pandas.DataFrame参数将ignore_index=True添加到DataFrame.append()中。例子-

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value)
    DF = DF.append(SR_row,ignore_index=True)

演示-

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([[1,2],[3,4]],columns=['A','B'])

In [3]: df
Out[3]:
   A  B
0  1  2
1  3  4

In [5]: s = pd.Series([5,6],index=['A','B'])

In [6]: s
Out[6]:
A    5
B    6
dtype: int64

In [36]: df.append(s,ignore_index=True)
Out[36]:
   A  B
0  1  2
1  3  4
2  5  6

---

代码中的另一个问题是DataFrame.append()不在适当的位置，它返回附加的数据帧，您需要将其分配回原始数据帧才能正常工作。例子-

DataFrame.append()

---

要保留标签，您可以使用您的解决方案来添加系列名称，并将附加的DataFrame分配回DF = DF.append(SR_row,ignore_index=True) 。例子-

DF

Answer 2

DF = DataFrame()
for sample,data in D_sample_data.items():
    SR_row = pd.Series(data.D_key_value,name=sample)
    DF = DF.append(SR_row)
DF.head()

不会在适当位置修改DataFrame。如果要将其重新分配回原始变量，则需要执行DataFrame.append。

Answer 3

类似的事情可能起作用...

DataFrame.append

这里是我使用它的示例...

df = df.append(...)

Answer 4

尝试使用此命令。请参见下面的示例：

mydf.loc['newindex'] = myseries

stats = df[['bp_prob', 'ICD9_prob', 'meds_prob', 'regex_prob']].describe()

stats
Out[32]: 
          bp_prob   ICD9_prob   meds_prob  regex_prob
count  171.000000  171.000000  171.000000  171.000000
mean     0.179946    0.059071    0.067020    0.126812
std      0.271546    0.142681    0.152560    0.207014
min      0.000000    0.000000    0.000000    0.000000
25%      0.000000    0.000000    0.000000    0.000000
50%      0.000000    0.000000    0.000000    0.013116
75%      0.309019    0.065248    0.066667    0.192954
max      1.000000    1.000000    1.000000    1.000000

medians = df[['bp_prob', 'ICD9_prob', 'meds_prob', 'regex_prob']].median()

stats.loc['median'] = medians

stats
Out[36]: 
           bp_prob   ICD9_prob   meds_prob  regex_prob
count   171.000000  171.000000  171.000000  171.000000
mean      0.179946    0.059071    0.067020    0.126812
std       0.271546    0.142681    0.152560    0.207014
min       0.000000    0.000000    0.000000    0.000000
25%       0.000000    0.000000    0.000000    0.000000
50%       0.000000    0.000000    0.000000    0.013116
75%       0.309019    0.065248    0.066667    0.192954
max       1.000000    1.000000    1.000000    1.000000
median    0.000000    0.000000    0.000000    0.013116

Answer 5

将系列转换为数据框并转置它，然后正常添加。

df.loc[len(df)] = ['Product 9',99,9.99,8.88,1.11]

df