Python：用一列麻木数组填充熊猫数据帧的一行

Question

我有一个熊猫数据帧（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中的列填充df1中的列，但它不起作用

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

任何人都可以让我知道如何做吗？

Answer 1

使用numpy.hstack向数组添加一个值：1ddf1 = 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   aaa0  0   NaN1  1   0.02  2   3.03  3   6.04  4   9.05  5  12.0如果可能，另一个想法是使用具有索引的构造函数：DataFrameSeriesdf1.indexdf1 = 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   aaaa  0   NaNb  1   0.0c  2   3.0d  3   6.0e  4   9.0f  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   aaaa  0   0.0b  1   3.0c  2   6.0d  3   9.0e  4  12.0f  5   NaN编辑：arr1 = np.arange(15).reshape(5,3)df1 = pd.DataFrame({'a': range(6)})如果选择只得到带有形状的数组，那么就有必要 numpy.hstack：01d(6,)a = np.hstack((np.nan, arr1[:,0]))print (a)[nan  0.  3.  6.  9. 12.]print (a.shape)(6,)df1['aaa'] = a如果通过获取具有形状的尺寸的数组来选择，则可以使用numpy.vstack：[0]2dMxN(6,1)a1 = np.vstack((np.nan, arr1[:,[0]]))print (a1)[[nan] [ 0.] [ 3.] [ 6.] [ 9.] [12.]]print (a1.shape)(6, 1)df1['aaa1'] = a1print (df1)   a   aaa  aaa10  0   NaN   NaN1  1   0.0   0.02  2   3.0   3.03  3   6.0   6.04  4   9.0   9.05  5  12.0  12.0   

Answer 2

虽然我可以看到其他几个答案，但没有一个真正解决了手头的问题。直观地说，你的方法是可以的;您正在列数组上垂直堆叠。nandf1['aaa'] = np.vstack((np.nan, arr1[:,0]))它应该工作，但它没有。这里的小问题是搜索列维度。 具有形状 ;它没有第二个维度。简单地重塑它将使工作正常。vstackarr1[:,0](1412, )(1412,1)vstackdf1['aaa'] = np.vstack((np.nan, arr1[:,0].reshape(-1,1)))

Answer 3

你可以这样做，这里有结果。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] = eadf.index = df.index + 1df = df.reset_index(drop=True).sort_values(by=['aaa'], na_position='first')这是您的数据框架：c1  c2  c30   1   2   31  10  20  30下面是数组：[[  5  55] [ 50 550]]结果是这样的：     c1    c2    c3   aaa2   NaN   NaN   NaN   NaN0   1.0   2.0   3.0   5.01  10.0  20.0  30.0  50.0

Answer 4

您可以使用 np.附加df1['aaa'] = np.append(np.nan, arr1[:,0])