Создание пустого DataFrame Pandas и добавление данных

В этой статье вы узнаете, как создать пустой DataFrame в Pandas и как добавлять в него данные. В частности, вы научитесь создавать DataFrame, создавать его с заголовками столбцов, добавлять строки по одной и добавлять строки с помощью цикла.

Оглавление

• Создание пустого DataFrame Pandas

• Создание пустого DataFrame Pandas с заголовками столбцов

• Создание пустого DataFrame Pandas с заголовками столбцов и индексами

• Добавление данных в пустой DataFrame

• Добавление данных в пустой DataFrame Pandas

• Добавление данных в пустой DataFrame Pandas с помощью цикла

• Заключение

Создание пустого DataFrame Pandas

Для начала импортируем библиотеку Pandas под псевдонимом pd:

import pandas as pd

Создание полностью пустого DataFrame Pandas очень простое. Мы просто создаём объект DataFrame, не передавая в него никаких данных:

Код

df = pd.DataFrame()

print(df)

Результат

Empty DataFrame
Columns: []
Index: []

Из вывода видно, что DataFrame пустой. Однако мы также можем проверить, является ли он пустым, с помощью атрибута Pandas .empty, который возвращает булево значение, указывающее, пуст ли DataFrame:Из вывода видно, что DataFrame пустой.

>> print(df.empty)
True

Создание пустого DataFrame Pandas с заголовками столбцов

Могут возникнуть ситуации, когда вы уже знаете, какие столбцы хотите иметь в DataFrame, но пока не располагаете данными для них (подробнее об этом — в разделе о добавлении данных в пустой DataFrame ниже).

Для этого мы можем использовать параметр columns=, передав в него список названий столбцов при создании объекта DataFrame. Давайте создадим DataFrame со следующими столбцами: Name (Имя), Age (Возраст), Birth City (Город рождения) и Gender (Пол):

df = pd.DataFrame(columns=['Name', 'Age', 'Birth City', 'Gender'])

print(df)

This prints out the following, indicating that we now have an empty dataframe but with columns attached to it:

Empty DataFrame
Columns: [Name, Age, Birth City, Gender]
Index: []

Создание пустого DataFrame Pandas с заголовками столбцов и индексами

Аналогично описанной выше ситуации, могут быть случаи, когда вы заранее знаете не только названия столбцов, но и значения индексов DataFrame, однако данные пока отсутствуют.

Мы можем создать такой DataFrame, указав как параметр columns=, так и параметр index=. Давайте создадим тот же DataFrame, что и выше, но используем столбец Name в качестве индекса и укажем несколько примерных индексов:

Код

df = pd.DataFrame(
    columns=['Age', 'Birth City', 'Gender'],
    index=['Jane', 'Melissa', 'John', 'Matt'])

print(df)

Результат

         Age Birth City Gender
Jane     NaN        NaN    NaN
Melissa  NaN        NaN    NaN
John     NaN        NaN    NaN
Matt     NaN        NaN    NaN

Теперь, технически, это уже не совсем пустой DataFrame. Это просто DataFrame без данных. Мы можем проверить это с помощью атрибута .empty:

print(df.empty)

Это возвращает False.

Добавление данных в пустой DataFrame

Теперь, когда у нас есть DataFrame с заголовками столбцов и индексами, мы можем использовать .loc для добавления данных. Если вы хотите узнать больше о методе .loc, ознакомьтесь с моим руководством по этой ссылке.

Давайте добавим данные в запись с индексом Jane:

Код

df.loc['Jane',:] = [23, 'London', 'F']

print(df)

Результат

         Age Birth City Gender
Jane      23     London      F
Melissa  NaN        NaN    NaN
John     NaN        NaN    NaN
Matt     NaN        NaN    NaN

Добавление данных в пустой DataFrame Pandas

Аналогично добавлению строк по одной с помощью метода .loc, мы также можем использовать метод .append() для добавления строк.

Метод .append() работает следующим образом: он добавляет один DataFrame к другому.

Давайте добавим ту же строку, что и выше, с помощью метода append:

Код

df2 = pd.DataFrame(
    [['Jane', 23, 'London', 'F']], 
    columns=['Name', 'Age', 'Birth City', 'Gender']
    )

df = df.append(df2)

print(df)

Результат

   Name Age Birth City Gender
0  Jane  23     London      F

Чтобы ускорить процесс, мы также можем использовать цикл for для добавления данных. Это рассмотрено ниже.

Добавление данных в пустой DataFrame Pandas с помощью цикла

Могут возникнуть ситуации, когда необходимо добавить несколько наборов данных в DataFrame. Это можно упростить с помощью цикла for, например, для чтения нескольких файлов и их объединения. Если вы хотите узнать больше о циклах for в Python, ознакомьтесь с моей статьёй по этой ссылке.

В приведённом ниже примере мы будем работать с разными списками, но метод работает одинаково хорошо и при чтении данных из нескольких файлов.

Мы используем аргумент ignore_index=True, чтобы убедиться, что создаются новые индексы. В противном случае при объединении нескольких DataFrame индексы могут дублироваться.

Код

df = pd.DataFrame(
    columns=['Name', 'Age', 'Birth City', 'Gender'])

people = [
    ['Jane', 23, 'London', 'F'],
    ['Melissa', 45, 'Paris', 'F'],
    ['John', 35, 'Toronto', 'M']
]

for person in people:
    temporary_df = pd.DataFrame([person], columns=['Name', 'Age', 'Birth City', 'Gender'])
    df = df.append(temporary_df, ignore_index=True)

print(df)

Результат

      Name Age Birth City Gender
0     Jane  23     London      F
1  Melissa  45      Paris      F
2     John  35    Toronto      M

Заключение

В этой статье вы узнали, как создать пустой DataFrame, как с указанием столбцов, так и без них. После этого вы научились добавлять данные в пустой DataFrame — как единожды, так и с использованием цикла for.

Чтобы узнать больше о классе pandas.DataFrame, ознакомьтесь с официальной документацией по этой ссылке. Для получения дополнительной информации о методе .append() см. официальную документацию по этой ссылке.