【问题标题】：Python pandas insert empty rows after each rowPython pandas 在每行之后插入空行
【发布时间】：2021-06-02 13:43:36
【问题描述】：
您好，我正在尝试使用 pandas 在当前数据的每一行之后插入 3 个空行，然后导出数据。例如，当前数据样本可能是：
name profession
Bill cashier
Sam stock
Adam security
理想情况下我想要达到的目标：
name profession
Bill cashier
Nan Nan
Nan Nan
Nan Nan
Sam stock
Nan Nan
Nan Nan
Nan Nan
Adam security
Nan Nan
Nan Nan
Nan Nan
我已经尝试过 itertools，但是我不确定如何使用这种方法在每行之后精确地获得三个空行。任何帮助、指导、样品都将不胜感激！
【问题讨论】：
标签：
python
python-3.x
pandas
【解决方案1】：
如果您提供了更多有用的信息，但想到的是使用此命令
df.append(pd.Series(), ignore_index=True)
这将为您的数据框添加一个空行，但正如您所见，您必须传递 set ignore_index=True，否则附加将不起作用。
【解决方案2】：
下面的代码包含一个在数据框的现有行之间添加空行的函数。
可能不是您想要做的最佳方法，在导出数据时添加空白行可能会更好。
import pandas as pd
def add_blank_rows(df, no_rows):
df_new = pd.DataFrame(columns=df.columns)
for idx in range(len(df)):
df_new = df_new.append(df.iloc[idx])
for _ in range(no_rows):
df_new=df_new.append(pd.Series(), ignore_index=True)
return df_new
df = pd.read_csv('test.csv')
df_with_blank_rows = add_blank_rows(df, 3)
print(df_with_blank_rows)
【解决方案3】：
这行得通
df_new = pd.DataFrame()
for i, row in df.iterrows():
df_new = df_new.append(row)
for _ in range(3):
df_new = df_new.append(pd.Series(), ignore_index=True)
df当然是原来的DataFrame
【解决方案4】：
这是一个用一个循环来做到这一点的函数：
def NAN_rows(df):
row = df.shape[0]
x = np.empty((3,2,)) # 3 empty row and 2 columns. You can increase according to your original df
x[:] = np.nan
df_x = pd.DataFrame( columns = ['name' ,'profession'])
for i in range(row):
temp = np.vstack([df.iloc[i].tolist(),x])
df_x = pd.concat([df_x, pd.DataFrame(temp,columns = ['name' ,'profession'])], axis=0)
return df_x
df = pd.DataFrame({
'name' : ['Bill','Sam','Adam'],
'profession' : ['cashier','stock','security']
})
print(NAN_rows(df))
#Output:
name profession
0 Bill cashier
1 nan nan
2 nan nan
3 nan nan
0 Sam stock
1 nan nan
2 nan nan
3 nan nan
0 Adam security
1 nan nan
2 nan nan
3 nan nan
【解决方案5】：
我认为在数据帧上使用附加是非常低效的（每次都必须为整个数据帧重新分配内存）。
DataFrames 用于分析数据和轻松添加列，而不是行。
所以我认为一个好方法是创建一个正确大小的新数据框，然后将数据传输到它。最简单的方法是使用索引。
# Demonstration data
data = 'name profession Bill cashier Sam stock Adam security'
data = np.array(data.split()).reshape((4,2))
df = pd.DataFrame(data[1:],columns=data[0])
# Add n blank rows
n = 3
new_index = pd.RangeIndex(len(df)*(n+1))
new_df = pd.DataFrame(np.nan, index=new_index, columns=df.columns)
ids = np.arange(len(df))*(n+1)
new_df.loc[ids] = df.values
print(new_df)
输出：
name profession
0 Bill cashier
1 NaN NaN
2 NaN NaN
3 NaN NaN
4 Sam stock
5 NaN NaN
6 NaN NaN
7 NaN NaN
8 Adam security
9 NaN NaN
10 NaN NaN
11 NaN NaN
【解决方案6】：
# df1 is your original dataframe
# df2 is the resulting dataframe with empty rows
# 3 is the amount of rows you want to insert (change to number of rows you need):
df1.index = range(0, 3*len(df1), 3)
df2 = df1.reindex(index=range(3*len(df1)))