pands & numpy 笔记

Mr_Pingg

已于 2024-09-12 16:11:19 修改

阅读量195

点赞数 1

文章标签：笔记 python numpy

于 2024-04-01 20:33:12 首次发布

本文链接：https://blog.csdn.net/Mr_Pingg/article/details/137245721

版权

本文介绍了在Pandas中使用append()函数处理空DataFrame时的注意事项，包括如何正确传递PandasSeries或DataFrame，以及在使用iloc/loc索引和标量值赋值时的细节。特别提到了如何处理一维向量结果和处理不同长度系列时保持DataFrame结构的完整性。

摘要由CSDN通过智能技术生成

一、给空df赋值

1. append()是用来连接两个 Pandas Series或DataFrame，而不是直接在现有 DataFrame 中添加单个元素。且预先不用定义空df的行数

# 创建一个空的DataFrame对象
df = pd.DataFrame(columns=['A', 'B'])

# 追加一行数据
df = df.append({'A':1, 'B':2}, ignore_index=True)

2. 用.iloc或loc索引赋值给空df时，空的df行列数要设定好
这里2.0版本在没有预设行数也可以动态添加数值。

3. 给df某确定的位置（行，列）赋值，要是标量：对于向量乘积结果是一维的series，要将结果作为标量值存储在 DataFrame 中,您可以使用 item() 方法。item() 方法可从一维 NumPy 数组或 Pandas Series 中提取单个元素。

4. 直接用列明索引赋值给空df时，接收的参数1维ndarray也可以

5. 当每次给某行或列的series长度不同时，要定义好df的行数，否则df自动对齐行索引，有些过长的列会有数据自动去除情况

6. itertuples()：返回每行的数据作为namedtuples，可以通过属性访问列数据。

如果需要遍历 Dataframe 的行并且对性能有要求，那么 df.itertuples()是一个更好的选择。

如果需要修改 Dataframe 的行数据，那么 di.iterrows()可能是一个更好的选择，因为它返回的是一个可以修改的 Series 对象。

注意，直接在遍历过程中修改 Dataframe 可能会导致意想不到的结果，通常建议使用其他方法(如 apply)来修改 DataFrame

例子：

df.iterrows():

for index, row in results.iterrows():
    p_max_array = np.array(row['p_max_results'])

df.itertuples():

for row in df.itertuples():
    j = row.Index  # 获取索引
    v_diff = row.v_diff  # 获取 v_diff 列的值

二、 numpy操作
1. numpy没有append，可以由list 经append后转为ndarray
2. numpy用np.vstack()拼接行数据，np.hstack()。其中行拼接会分割数据，列拼接是拼接在一起，连续无逗号分割