Python 如何基于其他列向dataframe添加新行?
比方说,我有下面的数据框作为示例Python 如何基于其他列向dataframe添加新行?,python,pandas,Python,Pandas,比方说,我有下面的数据框作为示例 name age status price 0 frank 12 1 100 1 jack 33 0 190 2 joe 22 1 200 ****************************** 期望输出: name age status price 0 frank 12 1 100 1 jack 33 0
name age status price
0 frank 12 1 100
1 jack 33 0 190
2 joe 22 1 200
******************************
期望输出:
name age status price
0 frank 12 1 100
1 jack 33 0 190
2 jack NaN 0 -190
3 joe 22 1 200
******************************
我还在下面发布了示例数据框,因此您可以轻松地对其进行测试
df1 = pd.DataFrame({
"name":["frank", "jack", "joe"],
"age": [12, 33, 22],
"status": [1,0, 1],
"price": [100,190, 200]
})
如您所见,我想在上述行的基础上插入一个新行,status
为0,这意味着事务失败。为了更方便地进行统计,我想在该行下面生成一个新行。我还希望它的价格为负数。因为我不关心新行的整列,所以我希望另一列是NaN
,就像我想要的输出中的“age”一样
到目前为止我都试过了
import pandas as pd
import numpy as np
df1 = pd.DataFrame({
"name":["frank", "jack", "joe"],
"age": [12, 33, 22],
"status": [1,0, 1],
"price": [100,190, 200]
})
df2_list = []
for i, row in df1.iterrows():
if row["status"] == 0:
origin_row = row.to_dict()
new_row = ({
"name": origin_row.get("name"),
#"age": origin_row.get("age"),
"age": np.NaN,
"status": origin_row.get("status"),
"price": -origin_row.get("price"),
})
df2_list.append(new_row)
df2 = pd.DataFrame(df2_list)
# concat df1 and df2 and sort it .
df3 = pd.concat([df1, df2], ignore_index=True)
df4 = df3.sort_values(['name', 'price'], ascending=[True, False])
print(df4)
我有一个循环,检查它是否符合我的条件status==0
,并将其附加到我的tmp列表中,并且…但是代码太多了。我想知道有没有什么好办法,我是说更多的Pythonic代码或者pandas已经有了一些功能,可以吗?使用numpy。重复添加行,重复系列。重复设置价格
df2 = pd.DataFrame(df.values.repeat(df.status.eq(0)+1, axis=0), columns=df.columns)
df2.loc[df2.name.duplicated(), 'price'] *= -1
df2
name age status price
0 frank 12 1 100
1 jack 33 0 190
2 jack 33 0 -190
3 joe 22 1 200
如果您还需要在“年龄”列中屏蔽NAN,可以使用Series.mask
df2.age.mask(df2.name.duplicated())
0 12
1 33
2 NaN
3 22
Name: age, dtype: object
完整代码
df2 = pd.DataFrame(df.values.repeat(df.status.eq(0)+1, axis=0), columns=df.columns)
isdup = df2.name.duplicated()
df2.loc[isdup, 'price'] *= -1
df2['age'] = df2['age'].mask(isdup)
df2
name age status price
0 frank 12 1 100
1 jack 33 0 190
2 jack NaN 0 -190
3 joe 22 1 200
名字是独一无二的吗?@coldspeed是的,先生