append 到 pandas 數據幀的新行的最快方法

Question

我想在不使用df.loc的情況下將 append 一行到 pandas 數據幀。 我正在尋找類似於列表中使用的.append()方法的東西。

我目前這樣做，但我正在尋找不同的解決方案：

stupid_table = pd.DataFrame(columns=['max_depth', 'features'])
for max_depth in np.arange(50, 101):
    new_row = pd.DataFrame({'max_depth':[max_depth], 'features':[10]})
    stupid_table = pd.concat([stupid_table, new_row], axis=0)

我想將new_row聲明為列表或 pandas 系列，而不是 pandas 數據框。 有沒有辦法使以下語法起作用？

stupid_table = pd.DataFrame(columns=['max_depth', 'features'])
for max_depth in np.arange(50, 101):
    new_row = [max_depth, 10]
    stupid_table = pd.concat([stupid_table, new_row], axis=0)

我特別想這樣做，因為我想要 append 新行的真實數據框有很多列，我懶得把新行寫成字典。 我寧願在列表中輸入數字。 我經常這樣做，更方便的語法會對我的心理健康產生奇跡。

編輯：我不喜歡使用.loc ，因為我的 for 循環正在獲取 numpy arrays 中的每個值。 將當前語法切換為for value in range(len(np.arange(start, stop)))以使 for 循環使用索引，然后我必須將組合轉換為數值，因為在實際示例中，我有很多組合。 我寧願不那樣做。

Answer 1

與您的描述盡可能接近的解決方案是：

import numpy as np
import pandas as pd

stupid_table = pd.DataFrame(columns=['max_depth', 'features'])
for max_depth in np.arange(50, 101):
    new_row = [max_depth, 10]
    new_df = pd.DataFrame({head: [val] for head, val in zip(stupid_table.columns, new_row)})
    stupid_table = pd.concat([stupid_table, new_df], axis=0)

但是，這不是有效的，因為主 dataframe stupid_table的表正在您的主循環中重新分配。 理想情況下，您可以將所有新數據幀保存到新列表中的 append 並最后進行連接。 這不包括對新創建的 dataframe 的索引重置，但這樣做可能是個好主意。

import numpy as np
import pandas as pd

stupid_table = pd.DataFrame(columns=['max_depth', 'features'])
data_frames = [stupid_table]
for max_depth in np.arange(50, 101):
    new_row = [max_depth, 10]
    data_frames.append(pd.DataFrame({head: [val] for head, val in zip(stupid_table.columns, new_row)}))
stupid_table = pd.concat(data_frames, axis=0)