追加pandas數據框並添加自己的值（python）

Question

我的數據框看起來像：

hours  |  cumulative value  |  value to add
  1              1                  1
  2              2                  1
  3              3                  3
  4              6                  1

我想要的是，像這樣附加該數據幀：2次（最多50次）並添加自己的值。 它應該看起來像：

hours  |  cumulative value |  value to add
  1              1                 1
  2              2                 1
  3              3                 3
  4              6                 1
  #The first time 
  5              7                 1
  6              8                 1
  7              9                 3
  8              12                1
  #The second time
  9              13                1
  10             14                1
  11             15                3
  12             18                1

等等..

我努力尋找最佳解決方案。 有沒有個好主意？

Answer 1

您需要重復value to add ，然后計算其他列。 最好是分別制作一個series ，然后簡單地創建一個新的數據框。

s = pd.Series((df['value to add'].tolist()) *50)
data = pd.DataFrame({
    'hour': range(1, len(s)+1),
    'cumulative value' : s.shift().fillna(s[0]).cumsum(),
    'value to add': s
})
data.head(10)

輸出：

      hour  cumulative value  value to add
0     1                 1           1.0
1     2                 2           2.0
2     3                 5           3.0
3     4                 6           6.0
4     5                 7           7.0
5     6                 8           8.0
6     7                11           9.0
7     8                12          12.0
8     9                13          13.0
9    10                14          14.0

Answer 2

這是一個小功能，可以逐行為您實現此功能（保留將新行追加到數據幀的功能）

df = pd.DataFrame({'hours':[1,2,3,4],
                   'cumulative value':[1,2,3,6], 
                   'Value to add': [1,1,3,1]})


def add_row(dataframe, numtimes): #adds new row 'numtimes' many times
    for i in range(numtimes):

        # Get values to put in new row

        new_hour = dataframe['hours'].iloc[-1]+1
        new_cumulative_value = dataframe['cumulative value'].iloc[-1]+dataframe['Value to add'].iloc[-1]
        if new_hour % 3 == 0:
            new_val_to_add = 3
        else:
            new_val_to_add = 1

        #Create new row and add to DataFrame

        new_row = pd.DataFrame({'hours':[new_hour],
                                'cumulative value':[new_cumulative_value],
                                'Value to add': [new_val_to_add]},
                                index=[new_hour-1])

        dataframe = dataframe.append(new_row)

    return dataframe


df =add_row(df, 50)

Answer 3

new_df = pd.concat([df] * 50, ignore_index=True)
new_df["hours"] = np.arange(df.shape[0])
new_df["cumulative_value"] = df["value_to_add"].cumsum()

Answer 4

from functools import reduce
def repeat(df,number):
    series1 = np.tile(np.array(df['value to add']),number)
    series2 = reduce((lambda x,y: np.append(x,y+x[-1])),[np.array(df['cumulative value'] for i in range(number)])
    series3 = reduce((lambda x,y: np.append(x,y+x[-1])),[np.array(df['hours'] for i in range(number)])
    return(pd.DataFrame({'hours':series3,'cumulative value':series2,'value to add':series1})

以number = 3運行此函數得到

   hour  cumulative value  value to add
0     1                 1             1
1     2                 2             1
2     3                 5             3
3     4                 6             1
4     5                 7             1
5     6                 8             1
6     7                11             3
7     8                12             1
8     9                13             1
9    10                14             1