在循环中使用pandas .append

Question

我在for循环内将行追加到pandas
DataFrame，但最后该数据帧始终为空。我不想将行添加到数组中，然后再调用DataFrame构造函数，因为我的实际for循环可以处理大量数据。我也尝试pd.concat没有成功。谁能强调我要使append语句正常工作所缺少的内容？这是一个虚拟的例子：

import pandas as pd
import numpy as np

data = pd.DataFrame([])

for i in np.arange(0, 4):
    if i % 2 == 0:
        data.append(pd.DataFrame({'A': i, 'B': i + 1}, index=[0]), ignore_index=True)
    else:
        data.append(pd.DataFrame({'A': i}, index=[0]), ignore_index=True)

print data.head()

Empty DataFrame
Columns: []
Index: []
[Finished in 0.676s]

Answer 1

您需要将变量设置为data等于附加数据帧。与appendpython list上的方法不同，pandasappend不会在原地发生

import pandas as pd
import numpy as np

data = pd.DataFrame([])

for i in np.arange(0, 4):
    if i % 2 == 0:
        data = data.append(pd.DataFrame({'A': i, 'B': i + 1}, index=[0]), ignore_index=True)
    else:
        data = data.append(pd.DataFrame({'A': i}, index=[0]), ignore_index=True)

print(data.head())

   A    B
0  0  1.0
1  2  3.0
2  3  NaN

注意：
此答案旨在回答所提出的问题。但是，这不是组合大量数据帧的最佳策略。为了获得更好的解决方案，请在下面查看答案

每次调用append时，Pandas都会返回原始数据框的副本以及您的新行。这称为二次复制，它是一个O（N ^ 2）操作，很快就会变得非常慢（特别是因为您有大量数据）。

对于您的情况，我建议使用列表，将其追加到列表中，然后调用数据框构造函数。

a_list = []
b_list = []
for data in my_data:
    a, b = process_data(data)
    a_list.append(a)
    b_list.append(b)
df = pd.DataFrame({'A': a_list, 'B': b_list})
del a_list, b_list

时机

%%timeit
data = pd.DataFrame([])
for i in np.arange(0, 10000):
    if i % 2 == 0:
        data = data.append(pd.DataFrame({'A': i, 'B': i + 1}, index=[0]), ignore_index=True)
else:
    data = data.append(pd.DataFrame({'A': i}, index=[0]), ignore_index=True)
1 loops, best of 3: 6.8 s per loop

%%timeit
a_list = []
b_list = []
for i in np.arange(0, 10000):
    if i % 2 == 0:
        a_list.append(i)
        b_list.append(i + 1)
    else:
        a_list.append(i)
        b_list.append(None)
data = pd.DataFrame({'A': a_list, 'B': b_list})
100 loops, best of 3: 8.54 ms per loop