我有一个数据框,它的初始化超出了本地方法的范围。我想做如下:
def outer_method():
... do outer scope stuff here
df = pd.DataFrame(columns=['A','B','C','D'])
def recursive_method(arg):
... do local stuff here
# func returns a data frame to be appended to empty data frame
results_df = func(args)
df.append(results_df, ignore_index=True)
return results
recursive_method(arg)
return df
但是,这不起作用。如果我以这种方式 append 到df
,则它始终为空。
我在这里找到了问题的答案:appending-to-an-empty-data-frame-in-pandas ...如果空 DataFrame 对象在该方法的范围内,则此方法有效,但不适用于我的情况。根据 @DSM 的评论“但 append 不会就地发生,因此如果需要,您必须存储输出:”
IOW,我需要这样的东西:
df = df.append(results_df, ignore_index=True)
在我的本地方法中,但这并不能帮助我访问外部作用域变量 df 并 append 到它。
有没有办法让这一切发生?这与用于扩展列表对象内容的 python extend
方法配合得很好(我意识到 DataFrame 不是列表,但是......)。是否有类似的方法可以使用 DataFrame 对象执行此操作,而无需处理 df 的范围问题?
顺便说一句,Pandas concat
方法也有效,但我遇到了变量范围的问题。
最佳答案
在Python3中,您可以使用nonlocal关键字:
def outer_method():
... do outer scope stuff here
df = pd.DataFrame(columns=['A','B','C','D'])
def recursive_method(arg):
nonlocal df
... do local stuff here
# func returns a data frame to be appended to empty data frame
results_df = func(args)
df = df.append(results_df, ignore_index=True)
return results
return df
但请注意,调用 df.append 每次都会返回一个新的 DataFrame,因此需要将所有旧数据复制到新的 DataFrame 中。如果您在循环内执行此操作 N 次,您最终会生成大约 1+2+3+...+N = O(N^2) 份副本——这对性能非常不利。
如果您不需要在 recursive_method
中使用 df
来实现除
append ,最好 append 到列表,然后构造
recursive_method
完成后,DataFrame(通过调用 pd.concat
一次):
df = pd.DataFrame(columns=['A','B','C','D'])
data = [df]
def recursive_method(arg, data):
... do stuff here
# func returns a data frame to be appended to empty data frame
results_df = func(args)
data.append(df_join_out)
return results
recursive_method(arg, data)
df = pd.concat(data, ignore_index=True)
如果您需要做的只是收集内部数据,那么这是最佳解决方案
recursive_method
并且可以等待之后构造新的 df
recursive_method
已完成。
在Python2中,如果你必须在recursive_method
中使用df
,那么你可以通过
df
作为 recursive_method
的参数,并返回 df
:
df = pd.DataFrame(columns=['A','B','C','D'])
def recursive_method(arg, df):
... do stuff here
results, df = recursive_method(arg, df)
# func returns a data frame to be appended to empty data frame
results_df = func(args)
df = df.append(results_df, ignore_index=True)
return results, df
results, df = recursive_method(arg, df)
但请注意,进行 O(N^2) 复制将付出高昂的代价 上面提到过。
为什么 DataFrames 不能 不应该 append 到就地:
DataFrame 中的基础数据存储在 NumPy 数组中。数据在一个 NumPy 数组来自连续的内存块。有时没有 有足够的空间将 NumPy 数组的大小调整为更大的连续内存块 即使内存可用——想象一下数组夹在中间 其他数据结构。在这种情况下,为了调整数组的大小,需要一个新的更大的数组 内存块必须分配到其他地方,并且来自该内存块的所有数据 必须将原始数组复制到新 block 。一般情况下是做不到的 就地。
DataFrames
确实有一个私有(private)方法 _update_inplace
,它可以是
用于将 DataFrame 的基础数据重定向到新数据。这只是一个
伪就地操作,因为新数据(想想 NumPy 数组)必须是
首先分配(以及所有随之而来的复制)。所以使用_update_inplace
有
对它的两次打击:它使用了一种私有(private)方法,(理论上)可能不是
在 Pandas 的 future 版本中,它会带来 O(N^2) 复制惩罚。
In [231]: df = pd.DataFrame([[0,1,2]])
In [232]: df
Out[232]:
0 1 2
0 0 1 2
In [233]: df._update_inplace(df.append([[3,4,5]]))
In [234]: df
Out[234]:
0 1 2
0 0 1 2
0 3 4 5
关于python - 如果为空,则 append 到 DataFrame 时出现问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35493517/