Python如何在数据框中插入行以填补字段中缺失的值？

Question

I have the following dataframe:

df=pd.DataFrame({'seq':[0,1,2,3,4,5], 'location':['cal','cal','cal','il','il','il'],'lat':[29,29.1,28.2,15.2,15.6,14], 'lon':[-95,-98,-95.6,-88, -87.5,-88.9], 'name': ['mike', 'john', 'tyler', 'rob', 'ashley', 'john']})

我想知道是否有办法在数据框的开头插入一行，即使新行中可能缺少某些字段。

我搜索了SO并找到了相关链接。 在pandas数据框中添加一行 然而，我的情况不同，因为我没有新行中所有字段的值。以下链接解决了相同的问题，但是使用的是R语言： 在类别中缺少值时将行插入数据框 我该如何在上面的数据框中插入以下行？ {'location' : 'warehouse', 'lat': 22, 'lon': -50}

我期望的输出如下：

   seq   location   lat   lon    name
0       warehouse  25.0 -50.0        
1  0.0        cal  29.0 -95.0    mike
2  1.0        cal  29.1 -98.0    john
3  2.0        cal  28.2 -95.6   tyler
4  3.0         il  15.2 -88.0     rob
5  4.0         il  15.6 -87.5  ashley
6  5.0         il  14.0 -88.9    john

我的实际数据框的列数相当大。因此，不可行将np.nan插入每个列中。我正在寻找一种方法，只需指定字段和相关值，其余字段将填充为nans。

- ds_student

---

插入None或np.nan以填充缺失值。 - G. Anderson

你好 @G.Anderson，我只展示了一个代表性的数据框。我的实际数据框有超过300列。因此，我想知道是否有更简单的方法来添加行，而不是为每个缺失字段添加 np.nan。 - ds_student

Answer 1

试试这个：

import pandas as pd
import numpy as np
df=pd.DataFrame({'seq':[0,1,2,3,4,5], 'location':['cal','cal','cal','il','il','il'],'lat':[29,29.1,28.2,15.2,15.6,14], 'lon':[-95,-98,-95.6,-88, -87.5,-88.9], 'name': ['mike', 'john', 'tyler', 'rob', 'ashley', 'john']})

df_new1 = pd.DataFrame({'location' : ['warehouse'], 'lat': [22], 'lon': [-50]}) # sample data row1
df = pd.concat([df_new1, df], sort=False).reset_index(drop = True)
print(df) 

df_new2 = pd.DataFrame({'location' : ['abc'], 'lat': [28], 'name': ['abcd']}) # sample data row2
df = pd.concat([df_new2, df], sort=False).reset_index(drop = True) 
print(df)

输出：

    lat   location   lon    name  seq
0  22.0  warehouse -50.0     NaN  NaN
0  29.0        cal -95.0    mike  0.0
1  29.1        cal -98.0    john  1.0
2  28.2        cal -95.6   tyler  2.0
3  15.2         il -88.0     rob  3.0
4  15.6         il -87.5  ashley  4.0
5  14.0         il -88.9    john  5.0

    lat   location    name   lon  seq
0  28.0        abc    abcd   NaN  NaN
1  22.0  warehouse     NaN -50.0  NaN
2  29.0        cal    mike -95.0  0.0
3  29.1        cal    john -98.0  1.0
4  28.2        cal   tyler -95.6  2.0
5  15.2         il     rob -88.0  3.0
6  15.6         il  ashley -87.5  4.0
7  14.0         il    john -88.9  5.0

- Anubhav Singh

---

谢谢你，Anubhav。正是我想要的 :) - ds_student

Answer 2

你可以先将你的字典转换为一个列表的字典：

dic = {k, [v] for k,v in dic.items()}

然后

pandas.concat([pandas.DataFrame(dic), df])

- Lucca Portes