在 Pandas 中创建新行，通过添加到前一行，循环直到生成 x 行

如何解决在 Pandas 中创建新行，通过添加到前一行，循环直到生成 x 行

输入：

mp = [1,2,3,4]
tw = [4,7,5]
cw = []

# create the data frame:

df = pd.DataFrame((cw),columns = ["1","2","3","4"])

# add list tw to the first row

df.loc[len(df)] = tw
df

输出：

    1      2      3      4
0   4      7      3      5

期望的输出：

      1      2      3      4
0     4      7      3      5
1     5      8      4      6
2     6      9      5      7
...  ...    ...    ...    ...
3000 3003   3006   3002   3004

从列表“tw”的初始参考行开始，我需要将起始值加 1 并继续。 我如何循环并继续创建行，以便下一行是前一行 +1，我需要为 3000 行执行此操作。我见过的很多解决方案都要求我创建列表并添加到 Pandas 数据框中，但是我无法手动创建 3000 个列表，然后手动将它们添加到我的数据框中。一定有办法绕过这个，请帮忙！

解决方法

将 df.append 与 df.tail 和 df.add 一起使用：

n = 3000 # this is the value of total rows you want

In [209]: for i in range(n):
     ...:     df = df.append(df.tail(1).add(1))
     ...: 

示例：

In [214]: df
Out[214]: 
   1  2  3  4
0  4  7  3  5

In [215]: n = 5

In [216]: for i in range(5):
     ...:     df = df.append(df.tail(1).add(1))
     ...: 

In [217]: df
Out[217]: 
   1   2  3   4
0  4   7  3   5
0  5   8  4   6
0  6   9  5   7
0  7  10  6   8
0  8  11  7   9
0  9  12  8  10

,

我会为此使用 numpy，这样我们就可以通过广播执行简单的加法。然后在创建数组后创建 DataFrame。逐行增长 DataFrame 的效率极低。

import pandas as pd
import numpy as np

N = 3000           # Number of rows
tw = [4,7,3,5]  # Initial column values

df = pd.DataFrame(np.array(tw) + np.arange(N)[:,None],columns=[1,2,4])
#         1     2     3     4
#0        4     7     3     5
#1        5     8     4     6
#2        6     9     5     7
#...    ...   ...   ...   ...
#2997  3001  3004  3000  3002
#2998  3002  3005  3001  3003
#2999  3003  3006  3002  3004
# 
#[3000 rows x 4 columns]

---

另一种选择是创建一行 DataFrame，reindex 创建所有行，填充您要添加的值 (1) 和 cumsum。

df = (pd.DataFrame([tw],4])
        .reindex(range(N))
        .fillna(1,downcast='infer')
        .cumsum())

,

这是一个可自定义的函数，您可以使用它来选择要添加到 Panda 的第一行和行数：

import pandas as pd
def expandingRow(df,firstRow,nRows):
    for i in range (0,nRows):
       df.loc[len(df)] = [x+len(df.index) for x in firstRow]

mp = [1,4]
tw = [4,5]
cw = []

# create the data frame:

df = pd.DataFrame((cw),columns = ["1","2","3","4"])

expandingRow(df,tw,3000)
df
Out[1]: 
         1     2     3     4
0        4     7     3     5
1        5     8     4     6
2        6     9     5     7
3        7    10     6     8
4        8    11     7     9
   ...   ...   ...   ...
2995  2999  3002  2998  3000
2996  3000  3003  2999  3001
2997  3001  3004  3000  3002
2998  3002  3005  3001  3003
2999  3003  3006  3002  3004

[3000 rows x 4 columns]

,

tw = [4,5]

cw = []
df = pd.DataFrame((cw),"4"])
df.loc[len(df)] = tw
df.reset_index()

for key in range(2999):
    row = df.loc[key].values #convert to array
    row = row.tolist() #convert to nested list
    row=[x+1 for x in row]
    df.loc[key+1]=row
    print (row)