Pandas 在数据框顶部添加行
我试图在pandas数据框数据的顶部添加空行。 基本上,一些空白行和每行的一些计算,其中包含该列的平均值等计算。有人能帮我怎么做吗 发件人: 致:Pandas 在数据框顶部添加行,pandas,add,rows,Pandas,Add,Rows,我试图在pandas数据框数据的顶部添加空行。 基本上,一些空白行和每行的一些计算,其中包含该列的平均值等计算。有人能帮我怎么做吗 发件人: 致: 我肯定这就是你想要做的,在同一个框架中存储数据和汇总统计数据有点奇怪。也就是说,您可以使用concat来堆叠数据帧 In [23]: pd.concat([df.describe(), df]) Out[23]: A B D E F
我肯定这就是你想要做的,在同一个框架中存储数据和汇总统计数据有点奇怪。也就是说,您可以使用
concat
来堆叠数据帧
In [23]: pd.concat([df.describe(), df])
Out[23]:
A B D E F G ...
count 17.000000 17.0000 17.000000 17.000000 17.000000 17.000000
mean -3.705882 8.0000 525.647059 527.058824 527.352941 528.000000
std 2.284861 4.1833 8.866659 8.518147 8.760288 8.396428
min -8.000000 2.0000 516.000000 518.000000 517.000000 519.000000
25% -4.000000 4.0000 520.000000 521.000000 522.000000 522.000000
50% -4.000000 8.0000 524.000000 525.000000 525.000000 525.000000
75% -2.000000 12.0000 528.000000 530.000000 530.000000 531.000000
max -1.000000 14.0000 551.000000 551.000000 552.000000 552.000000
0 -8.000000 10.0000 532.000000 533.000000 533.000000 532.000000
1 -8.000000 12.0000 520.000000 521.000000 523.000000 523.000000
2 -8.000000 14.0000 520.000000 523.000000 522.000000 523.000000
...
看起来不错!df.descripe()是否提供统计信息?另外,我认为使用不同的统计表可能是一个好主意,但将其放在同一张表上的原因是为了能够找到任何异常数据。我采纳了你的想法,做了一些更改,并能够得到我想要的作为开始的数据。df_blank=pd.DataFrame(索引=[0,1,2,3,4,5,6,7,8,9,10],columns=df.columns)df_concat=pd.concat(df_blank,df)df_concat=df_concat.reset_index()
A B D E F G H I J
Average 525.6 527.1 527.4 528.0 527.6 526.0 527.4
Sigma 8.6 8.3 8.5 8.1 8.3 8.3 8.4
Minimum 516 518 517 519 518 516 518
Maximum 551 551 552 552 552 550 552
0 -8 10 532 533 533 532 534 532 532
1 -8 12 520 521 523 523 521 521 521
2 -8 14 520 523 522 523 522 521 522
3 -4 2 526 527 527 528 528 527 529
4 -4 4 516 518 517 519 518 516 518
5 -4 6 528 529 530 531 530 528 530
6 -4 8 518 521 521 521 522 519 521
7 -4 10 524 525 525 525 525 524 524
8 -4 12 522 523 524 525 525 522 523
9 -2 2 525 526 527 527 527 525 527
10 -2 4 518 519 519 521 520 519 520
11 -2 6 520 522 522 522 522 520 523
12 -2 8 551 551 552 552 552 550 552
13 -2 10 533 534 535 536 535 534 535
14 -2 12 537 539 539 539 538 537 539
15 -2 14 528 530 530 531 530 529 530
16 -1 2 518 519 519 521 520 518 520
In [23]: pd.concat([df.describe(), df])
Out[23]:
A B D E F G ...
count 17.000000 17.0000 17.000000 17.000000 17.000000 17.000000
mean -3.705882 8.0000 525.647059 527.058824 527.352941 528.000000
std 2.284861 4.1833 8.866659 8.518147 8.760288 8.396428
min -8.000000 2.0000 516.000000 518.000000 517.000000 519.000000
25% -4.000000 4.0000 520.000000 521.000000 522.000000 522.000000
50% -4.000000 8.0000 524.000000 525.000000 525.000000 525.000000
75% -2.000000 12.0000 528.000000 530.000000 530.000000 531.000000
max -1.000000 14.0000 551.000000 551.000000 552.000000 552.000000
0 -8.000000 10.0000 532.000000 533.000000 533.000000 532.000000
1 -8.000000 12.0000 520.000000 521.000000 523.000000 523.000000
2 -8.000000 14.0000 520.000000 523.000000 522.000000 523.000000
...