在pandas datafram中插入一行

Question

我有一个数据框：

s1 = pd.Series([5, 6, 7])
s2 = pd.Series([7, 8, 9])

df = pd.DataFrame([list(s1), list(s2)],  columns =  ["A", "B", "C"])

   A  B  C
0  5  6  7
1  7  8  9

[2 rows x 3 columns]

我需要加上第一行[2，3，4]得到：

   A  B  C
0  2  3  4
1  5  6  7
2  7  8  9

我试过append()和concat()函数，但找不到正确的方法。

如何向数据框中添加/插入序列？

Answer 1

实现这一目标的一个方法是

>>> pd.DataFrame(np.array([[2, 3, 4]]), columns=['A', 'B', 'C']).append(df, ignore_index=True)
Out[330]: 
   A  B  C
0  2  3  4
1  5  6  7
2  7  8  9

通常，最容易附加数据帧，而不是序列。在您的例子中，因为您希望新行“在最上面”（以起始id为单位），并且没有函数pd.prepend()，所以我首先创建新的数据帧，然后附加旧的数据帧。

ignore_index将忽略数据帧中正在进行的旧索引，并确保第一行实际上以索引1开始，而不是以索引0重新启动。

典型免责声明：Cetero censeo。。。附加行是一个非常低效的操作。如果您关心性能，并且能够以某种方式确保首先创建一个具有正确（较长）索引的数据帧，然后将附加行插入到数据帧中，那么您肯定应该这样做。见：

>>> index = np.array([0, 1, 2])
>>> df2 = pd.DataFrame(columns=['A', 'B', 'C'], index=index)
>>> df2.loc[0:1] = [list(s1), list(s2)]
>>> df2
Out[336]: 
     A    B    C
0    5    6    7
1    7    8    9
2  NaN  NaN  NaN
>>> df2 = pd.DataFrame(columns=['A', 'B', 'C'], index=index)
>>> df2.loc[1:] = [list(s1), list(s2)]

到目前为止，我们已经得到了您所拥有的df：

>>> df2
Out[339]: 
     A    B    C
0  NaN  NaN  NaN
1    5    6    7
2    7    8    9

但是现在可以很容易地插入行，如下所示。由于空间是预先分配的，因此效率更高。

>>> df2.loc[0] = np.array([2, 3, 4])
>>> df2
Out[341]: 
   A  B  C
0  2  3  4
1  5  6  7
2  7  8  9

Answer 2

只需使用loc将行分配给特定索引：

 df.loc[-1] = [2, 3, 4]  # adding a row
 df.index = df.index + 1  # shifting index
 df = df.sort_index()  # sorting by index

你会得到你想要的：

    A  B  C
 0  2  3  4
 1  5  6  7
 2  7  8  9

请参阅Pandas文档中的Indexing: Setting with enlargement。

Answer 3

不确定您是如何调用concat()的，但只要两个对象属于同一类型，它就应该可以工作。也许问题是你需要把你的第二个向量转换成一个数据帧？使用您为我定义的df，可以执行以下操作：

df2 = pd.DataFrame([[2,3,4]], columns=['A','B','C'])
pd.concat([df2, df])