如何向熊猫数据框添加额外的行[重复]答案

【问题标题】：How to add an extra row to a pandas dataframe [duplicate]如何向熊猫数据框添加额外的行[重复]
【发布时间】：2013-10-22 07:55:24
【问题描述】：

如果我有这样的空数据框：

columns = ['Date', 'Name', 'Action','ID']
df = pd.DataFrame(columns=columns)

有没有办法在这个新创建的数据框中添加一个新行？目前我必须创建一个字典，填充它，然后将字典附加到最后的数据框。有没有更直接的方法？

【问题讨论】：

【解决方案1】：

试试这个：

df.loc[len(df)]=['8/19/2014','Jun','Fly','98765']

警告：此方法仅在索引中没有“洞”时有效。例如，假设您有一个包含三行的数据框，索引为 0、1 和 3（例如，因为您删除了第 2 行）。然后，len(df) = 3，因此上述命令不会添加新行 - 它会覆盖第 3 行。

【讨论】：

df.loc[df.shape[0]]（甚至df.loc[len(df.index)]）比df.loc[len(df)]快得多。
一个元素 >>> timeit.timeit(lambda : len(flows)) 2.4147243930055993 >>> timeit.timeit(lambda : flow.shape[0]) 3.4786632809991715 4k 个元素： >>> timeit. timeit(lambda : len(flows)) 2.520429938987945 >>> timeit.timeit(lambda : flow.shape[0]) 3.6195146050013136
如果您使用的是len(df)，为什么我们使用loc 而不是iloc？难道它没有匹配索引成员而不是行号的危险吗？
天哪，这花了很长时间才弄清楚！非常感谢！
这是一种将行附加到数据帧的非常慢的方法。作为一个实际的例子，我使用这种方法通过解析一个文件创建了一个数据框，该文件有 150 万行，耗时 7 多个小时。用字典完成同样的事情，然后放入数据框中大约需要 10 秒。这在内部发生是因为附加到系列的速度很慢。请参阅 stackoverflow.com/a/37992805/1224075 了解内部发生的情况。

【解决方案2】：

即将发布的 pandas 0.13 版本将允许通过 loc 在不存在的索引数据上添加行。但是，请注意，在后台，这会创建整个 DataFrame 的副本，因此它不是一个高效的操作。

描述是here，这个新功能被称为设置放大。

【讨论】：

只允许通过loc 放大（iloc 可以添加 not-at-the-end 所以它有点模棱两可）
错字，已更正，谢谢。
我在一个空的 DataFrame 上尝试过这样做，但我发现它不起作用。似乎只有当框架至少有一行时才有效....
我发现这会从添加的 Series 中删除尚未在 DataFrame 中的所有列。在这种情况下，文档具有误导性，因为它指出“设置放大”就像“追加”操作，即使“追加”会将任何新列添加到 DataFrame。
这不是比创建字典然后将整个字典添加到df中慢很多吗？

【解决方案3】：

与经典的 dict+append 相比，我发现另一种方法很难看，但它有效：

df = df.T

df[0] = ['1/1/2013', 'Smith','test',123]

df = df.T

df
Out[6]: 
       Date   Name Action   ID
0  1/1/2013  Smith   test  123

【讨论】：