向Pandas数据帧添加行

Question

我正在尝试使用pandas来创建活动分类帐。 我的对象将有一个pandas DataFrame，它将跟踪与该对象关联的余额和事务。

当订单与该对象关联时，我正在努力将单行数据附加到该pandas数据帧。 似乎最常见的答案是“只有在拥有所有数据后才创建框架”，但我无法做到这一点。 我希望能够在我添加新数据时动态计算。

这是我的相关代码（失败）：

self.ledger  = pd.DataFrame(data={'entry_date' : [pd.Timestamp('1900-01-01')],
'qty' : [np.float64(startingBalance)],
'element_type' : [pd.Categorical(["startingBalance"])],
'avail_bal' : [np.float64(startingBalance)],
'firm_ind' : True,
'deleted_ind' : False,
'ord_id' : ["fooA"],
'parent_ord_id' : ["fooB"] },
columns=ledgerColumnList
)        

self.ledger.iloc[-1] = dict({'entry_date' : ['1900-01-02'],
'qty' : [startingBalance],
'element_type' : ["startingBalance"],
'avail_bal' : [startingBalance],
'firm_ind' : [True],
'deleted_ind' : [False],
'ord_id' : ["foofa"],
'parent_ord_id' : ["foofb"] })

这是我得到的错误：

File "C:\Users\MyUser\My Documents\Workspace\myscript.py", line 135, in __init__
'parent_ord_id' : ["foofb"] })
File "C:\Python27\lib\site-packages\pandas\core\indexing.py", line 117, in __setitem__
self._setitem_with_indexer(indexer, value)
File "C:\Python27\lib\site-packages\pandas\core\indexing.py", line 492, in _setitem_with_indexer
setter(item, v)
File "C:\Python27\lib\site-packages\pandas\core\indexing.py", line 422, in setter
s._data = s._data.setitem(indexer=pi, value=v)
File "C:\Python27\lib\site-packages\pandas\core\internals.py", line 2843, in setitem
return self.apply('setitem', **kwargs)
File "C:\Python27\lib\site-packages\pandas\core\internals.py", line 2823, in apply
applied = getattr(b, f)(**kwargs)
File "C:\Python27\lib\site-packages\pandas\core\internals.py", line 636, in setitem
values, _, value, _ = self._try_coerce_args(self.values, value)
File "C:\Python27\lib\site-packages\pandas\core\internals.py", line 2066, in _try_coerce_args
raise TypeError
TypeError

思考？

1）我怎么能在熊猫中做到这一点？

要么

2）我应该使用哪些更好的东西，它会给我内置的大熊猫计算工具，但更适合我一点一点的数据需求？

Answer 1

你也可以使用df.loc[]

df = pd.DataFrame({'A': [1,2,3,4], 'B': [5,6,7,8], 'C': [9,10,11,12]})
df
    A   B   C
0   1   5   9
1   2   6   10
2   3   7   11
3   4   8   12
new_row = pd.DataFrame({'A': [35], 'B': [27], 'C': [43]})
new_row
     A  B   C
0   35  27  43
df.loc[4] = new_row.loc[0]
df
    A   B   C
0   1   5   9
1   2   6   10
2   3   7   11
3   4   8   12
4   35  27  43

Answer 2

您还可以尝试为新数据创建新的数据帧，然后使用concat 。

为了便于说明，我们采用一个简单的数据帧：

import pandas as pd
df = pd.DataFrame({'a':[0,1,2],'b':[3,4,5]}
print df
>>    a  b
   0  0  3
   1  1  4
   2  2  5

假设您有新数据进入，值a=4且b=7 。 创建仅包含新数据的新数据框：

newresults = {'a':[4],'b':[7]}
_dfadd = pd.DataFrame(newresults)
print _dfadd
>>    a  b
   0  4  7

然后连接：

df = pd.concat([df,_dfadd]).reset_index(drop=True)
print df
>>    a  b
   0  0  3
   1  1  4
   2  2  5
   3  4  7       

Answer 3

一种方法是使用pandas.DataFrame.append() ：

self.ledger = pd.DataFrame(data={'entry_date' : [pd.Timestamp('1900-01-01')],
                                  'qty' : [np.float64(startingBalance)],
                                  'element_type' : [pd.Categorical(["startingBalance"])],
                                  'avail_bal' : [np.float64(startingBalance)],
                                  'firm_ind' : [True],
                                  'deleted_ind' : [False],
                                  'ord_id' : ["fooA"],
                                  'parent_ord_id' : ["fooB"] },
                            columns=ledgerColumnList)

df = pd.DataFrame(data={'entry_date' : [pd.Timestamp('1900-01-02')],
                        'qty' : [np.float64(startingBalance)],
                        'element_type' : ["startingBalance"],
                        'avail_bal' : [np.float64(startingBalance)],
                        'firm_ind' : [True],
                        'deleted_ind' : [False],
                        'ord_id' : ["foofa"],
                        'parent_ord_id' : ["foofb"] },
                  columns=ledgerColumnList)

self.ledger.append(df)