Python：用一列numpy数组填充pandas数据框的一行

Question

我有一个 pandas 数据框（1413 行）和一个 numpy 数组（1412 行）。

type(df1)
Out[193]: pandas.core.frame.DataFrame

df1.shape
Out[194]: (1413, 15)

type(arr1)
Out[195]: numpy.ndarray

arr1.shape
Out[196]: (1412, 3)

我想用arr1 + nan中的一列填充df1中的一列，但它不起作用

df1['aaa'] = np.vstack((np.nan, arr1[:,0]))

谁能告诉我怎么做？

Answer 1

您可以使用np.append

df1['aaa'] = np.append(np.nan, arr1[:,0])

Answer 2

你可以这样做，这里有结果。您添加列，第一行是 NaN：

df['aaa'] = pd.Series(ar1[:,0])
ea = np.empty(df.shape[1]).fill(np.nan)
df.loc[-1] = ea
df.index = df.index + 1
df = df.reset_index(drop=True).sort_values(by=['aaa'], na_position='first')

这是你的数据框：

c1  c2  c3
0   1   2   3
1  10  20  30

这是数组：

[[  5  55]
 [ 50 550]]

结果是这样的：

     c1    c2    c3   aaa
2   NaN   NaN   NaN   NaN
0   1.0   2.0   3.0   5.0
1  10.0  20.0  30.0  50.0

Answer 3

虽然我可以看到其他几个答案，但他们都没有真正解决手头的问题。直觉上，你的方法没问题；您将nan 垂直堆叠在列数组上。

df1['aaa'] = np.vstack((np.nan, arr1[:,0]))

它应该工作，但它没有。这里的小问题是vstack 搜索列维度。 arr1[:,0] 的形状为(1412, )；它没有第二个维度。简单地将其改造成 (1412,1) 即可使 vstack 正常工作。

df1['aaa'] = np.vstack((np.nan, arr1[:,0].reshape(-1,1)))

Answer 4

使用numpy.hstack 将一个值添加到1d 数组：

df1 = pd.DataFrame({'a': range(6)})

arr1 = np.arange(15).reshape(5,3)
print (arr1)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]
 [12 13 14]]

df1['aaa'] = np.hstack((np.nan, arr1[:,0]))
print (df1)
   a   aaa
0  0   NaN
1  1   0.0
2  2   3.0
3  3   6.0
4  4   9.0
5  5  12.0

---

如果可能的话，另一个想法是 DataFrame 的非默认索引是使用带有索引 df1.index 的 Series 构造函数：

df1 = pd.DataFrame({'a': range(6)}, index=list('abcdef'))

arr1 = np.arange(15).reshape(5,3)
print (arr1)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]
 [12 13 14]]

dif = df1.shape[0] - arr1.shape[0]
df1['aaa'] = pd.Series(arr1[:,0], index=df1.index[dif:])
print (df1)
   a   aaa
a  0   NaN
b  1   0.0
c  2   3.0
d  3   6.0
e  4   9.0
f  5  12.0

最后位置：

dif = df1.shape[0] - arr1.shape[0]
df1['aaa'] = pd.Series(arr1[:,0], index=df1.index[:-dif])
print (df1)
   a   aaa
a  0   0.0
b  1   3.0
c  2   6.0
d  3   9.0
e  4  12.0
f  5   NaN

编辑：

arr1 = np.arange(15).reshape(5,3)
df1 = pd.DataFrame({'a': range(6)})

如果通过0选择只能得到1d形状为(6,)的数组，所以numpy.hstack是必须的：

a = np.hstack((np.nan, arr1[:,0]))
print (a)
[nan  0.  3.  6.  9. 12.]

print (a.shape)
(6,)

df1['aaa'] = a

如果通过[0] 选择得到2d 数组，其尺寸为MxN，形状为(6,1)，因此可以使用numpy.vstack：

a1 = np.vstack((np.nan, arr1[:,[0]]))
print (a1)
[[nan]
 [ 0.]
 [ 3.]
 [ 6.]
 [ 9.]
 [12.]]

print (a1.shape)
(6, 1)


df1['aaa1'] = a1
print (df1)
   a   aaa  aaa1
0  0   NaN   NaN
1  1   0.0   0.0
2  2   3.0   3.0
3  3   6.0   6.0
4  4   9.0   9.0
5  5  12.0  12.0