如何在不重新创建实例的情况下将数据添加到 pandas.DataFrame答案

【问题标题】：How to add data to pandas.DataFrame without recreating the instance如何在不重新创建实例的情况下将数据添加到 pandas.DataFrame
【发布时间】：2019-10-07 23:01:56
【问题描述】：

我正在尝试为 pandas 开发自定义数据框访问器，但遇到了我不知道如何解决的问题。

我的访问器应该从自定义源加载数据，我打算将这些值分配给调用访问器的DataFrame。但是当我将新创建的数据框分配给数据框实例时，我没有得到任何反应。

我认为这是因为我正在创建数据帧的新实例而不是重用旧实例。

有什么优雅的方法可以保存数据帧实例并在那里加载信息吗？

这是我现在处理的代码：

import pandas
import numpy


@pandas.api.extensions.register_dataframe_accessor("test")
class TestAccessor:
    def __init__(self, obj: pandas.DataFrame) -> None:
        self.data = obj

    def read(self) -> None:
        # Creates dataframe with three columns `X, Y, Z`
        self.data = pandas.DataFrame(numpy.random.randint(0,100,size=(100, 3)), columns=list('XYZ'))


# Creates dataframe with three columns `A, B, C`
data = pandas.DataFrame(numpy.random.randint(0,100,size=(100, 3)), columns=list('ABC'))

# Suppose to load dataframe with columns `X, Y, Z`
data.test.read()

# Will show dataframe with columns `A, B, C`
print (data)

有没有办法解决这个问题？解决这个问题的最佳方法是什么？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

请注意，确定这在实践中是否真的很有意义，但这里有一个解决方案可以在您的示例中实现您想要的：将所有现有列删除并分配新列：

import pandas
import numpy

@pandas.api.extensions.register_dataframe_accessor("test")
class TestAccessor:
    def __init__(self, obj: pandas.DataFrame) -> None:
        self.data = obj

    def read(self) -> None:
        # Creates dataframe with three columns `X, Y, Z`
        self.data.drop(columns=self.data.columns, inplace=True)
        new = pandas.DataFrame(numpy.random.randint(0,100,size=(100, 3)), columns=list('XYZ'))
        self.data[new.columns] = new

# Creates dataframe with three columns `A, B, C`
data = pandas.DataFrame(numpy.random.randint(0,100,size=(100, 3)), columns=list('ABC'))

# Suppose to load dataframe with columns `X, Y, Z`
data.test.read()

# Now shows dataframe with columns `X, Y, Z`
print (data)

输出：

     X   Y   Z
0   30  86  16
1   33  93  33
2   43  62  95
3   24  74   5
4   52  68  95
..  ..  ..  ..
95  89  54  90
96  35  78  20
97  68  11  17
98  29  68  44
99  33  73  11

[100 rows x 3 columns]

【讨论】：