我在 python 中处理一个巨大的数据框，有时我需要在数据框的确定位置添加一个空行或几行。对于这个问题，我创建了一个小型数据框 df 以显示我想要实现的目标。
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
'Price': [22000,25000,27000,35000]
}
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
如果行值为 27000，我想在它之前添加一个空行。 我可以在使用 Concat 之后插入行，但我真的想不出之前添加它的方法..
【问题讨论】：
标签： python pandas dataframe concatenation
您可以为 groupby 创建一个辅助 cumsum 列，然后仅为第一个组附加一个空白行，然后连接：
out = pd.concat((g.append(pd.Series(),ignore_index=True) if i==0 else g
for i, g in df.groupby(df['Price'].eq(27000).cumsum())))
print(out)
Brand Price
0 Honda Civic 22000.0
1 Toyota Corolla 25000.0
2 NaN NaN
2 Ford Focus 27000.0
3 Audi A4 35000.0
【讨论】：
让我们试试cummax 和append：
m = df['Price'].eq(27000).cummax()
df[~m].append(pd.Series(), ignore_index=True).append(df[m])
Brand Price
0 Honda Civic 22000.0
1 Toyota Corolla 25000.0
2 NaN NaN
2 Ford Focus 27000.0
3 Audi A4 35000.0
【讨论】：
你也可以通过concat()方法和apply()方法做到这一点：
result=pd.concat((df.apply(lambda x:np.nan if x['Price']==27000 else x,1),df))
最后使用sort_index()方法，drop_duplicates()方法和reset_index()方法：
result=result.sort_index(na_position='first').drop_duplicates().reset_index(drop=True)
现在，如果您打印 result，您将获得所需的输出：
Brand Price
0 Honda Civic 22000.0
1 Toyota Corolla 25000.0
2 NaN NaN
3 Ford Focus 27000.0
4 Audi A4 35000.0
这将在 Price=27000 的每一行之前添加一个空白行：
result=pd.concat((df.apply(lambda x:np.nan if x['Price']==27000 else x,1),df))
result=result.drop_duplicates().append(result[result.isna().all(1)].iloc[1:]).sort_index(na_position='first').reset_index(drop=True)
【讨论】：
根据您的条件创建一个带有索引标签的 DataFrame，该条件具有所有空值。 [假设df 具有非重复索引]。然后 concat 和 sort_index 将丢失的行放在前面（因为我们将 df 连接到 empty）。然后reset_index 删除重复的索引标签。
import pandas as pd
empty = pd.DataFrame(columns=df.columns, index=df[df.Price.eq(27000)].index)
df = pd.concat([empty, df]).sort_index().reset_index(drop=True)
# Brand Price
#0 Honda Civic 22000
#1 Toyota Corolla 25000
#2 NaN NaN
#3 Ford Focus 27000
#4 Audi A4 35000
这将在每 27000行之前添加一个空白行
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4','Jeep'],
'Price': [22000,25000,27000,35000,27000]}
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
empty = pd.DataFrame(columns=df.columns, index=df[df.Price.eq(27000)].index)
df = pd.concat([empty, df]).sort_index().reset_index(drop=True)
# Brand Price
#0 Honda Civic 22000
#1 Toyota Corolla 25000
#2 NaN NaN
#3 Ford Focus 27000
#4 Audi A4 35000
#5 NaN NaN
#6 Jeep 27000
【讨论】：