向Pandas DataFrame添加行时增加了0列

Question

我正在创建一个Pandas的DataFrame来存储数据。不过，我事先并不知道会有多少行数据。所以我采取了以下方法。

首先，我声明一个空的DataFrame。

df = DataFrame(columns=['col1', 'col2'])

然后，我添加了一行缺失值。

df = df.append([None] * 2, ignore_index=True)

最后，我可以一个一个单元格地往这个DataFrame里插入值。（为什么要一个一个单元格插入，这个原因比较复杂。）

df['col1'][0] = 3.28

这个方法运行得很好，唯一的问题是，添加的那一行会在我的DataFrame中多出一列。最后，当我输入 df 时，看到的结果是这样的（有100行数据）。

<class 'pandas.core.frame.DataFrame'>
Data columns (total 2 columns):
0            0  non-null values
col1         100  non-null values
col2         100  non-null values

df.head() 看起来是这样的。

      0   col1   col2
0  None   3.28      1
1  None      1      0
2  None      1      0
3  None      1      0
4  None      1      1

有没有人知道为什么我的DataFrame中会出现这个 0 列？

相关问题：

• 为Pandas DataFrame列的单行赋值
• 如何为每个索引扩展pandas多重索引，增加N个新层级？
• 我想对这两个Pandas DataFrame进行连接、合并还是追加？
• 将元组列表转换为pandas数据框
• 设置pandas中现有DataFrame的多重索引
• 如何在Python的pandas数据框中输入单个值
• 如何创建与另一个相同维度的空DataFrame？
• 如何对子类化Pandas DataFrame？

Answer 1

你可以用一个 Series 来插入行：

df = pd.DataFrame(columns=['col1', 'col2'])
df = df.append(pd.Series([None]*2), ignore_index=True)
df["col1"][0] = 3.28

df 看起来像这样：

   col1 col2
0  3.28  NaN

Answer 2

这个“append”是在尝试把一列数据加到你的数据框（dataframe）里。它想加的这一列没有名字，而且里面有两个None或者Nan的元素，pandas会默认把它命名为0这一列。

为了成功地添加这一列，传入的列名必须和当前数据框里的列名一致，否则就会创建新的列（这是默认的行为）。

#you need to explicitly name the columns of the incoming parameter in the append statement
df = DataFrame(columns=['col1', 'col2'])
print df.append(Series([None]*2, index=['col1','col2']), ignore_index=True)


#as an aside

df = DataFrame(np.random.randn(8, 4), columns=['A','B','C','D'])
dfRowImproper = [1,2,3,4]
#dfRowProper = DataFrame(arange(4)+1,columns=['A','B','C','D']) #will not work!!! because arange returns a vector, whereas DataFrame expect a matrix/array#
dfRowProper = DataFrame([arange(4)+1],columns=['A','B','C','D']) #will work


print df.append(dfRowImproper) #will make the 0 named column with 4 additional rows defined on this column

print df.append(dfRowProper) #will work as you would like as the column names are consistent

print df.append(DataFrame(np.random.randn(1,4))) #will define four additional columns to the df with 4 additional rows


print df.append(Series(dfRow,index=['A','B','C','D']), ignore_index=True) #works as you want