python - 使用更新的索引将 python pandas 数据框的最后一行复制并添加到自身

Question

我有一个数据框，例如:

---

2013-07 114.60 89.62 125.64

2013-08 111.55 88.63 121.57

2013-09 108.31 86.24 117.93

---

index 是 YY-MM 日期系列我想复制最后一行并将其添加到具有新更新索引的原始数据框中。新数据框应如下所示:

---

2013-07 114.60 89.62 125.64

2013-08 111.55 88.63 121.57

2013-09 108.31 86.24 117.93

2013-10 108.31 86.24 117.93

---

我该怎么做？

Answer 1

这就是我解析您的数据的方式(很简单，但您确实应该有描述问题中数据的代码片段):

In [1]: df = pd.read_csv('in.txt', index_col=0, sep=' ', header=None, parse_dates=[0])

In [2]: df
Out[2]: 
                 1      2       3                                                                                                                                                             
0                                                                                                                                                                                             
2013-07-01  114.60  89.62  125.64                                                                                                                                                             
2013-08-01  111.55  88.63  121.57                                                                                                                                                             
2013-09-01  108.31  86.24  117.93

现在，使用 concat/append和 slicing ，您可以使用以下方法在新日期下重新添加最后一行:

In [3]: new_date = pd.datetools.to_datetime('2013-10')

In [3]: new_data = pd.DataFrame(df[-1:].values, index=[new_date], columns=df.columns)

In [4]: df = df.append(new_data)

In [5]: df
Out[5]: 
                 1      2       3                                                                                                                                                                                                   
2013-07-01  114.60  89.62  125.64                                                                                                                                                                                                   
2013-08-01  111.55  88.63  121.57                                                                                                                                                                                                   
2013-09-01  108.31  86.24  117.93                                                                                                                                                                                                   
2013-10-01  108.31  86.24  117.93  

但是请注意，逐行添加数据不是推荐的方法 - 最好在较低级别的结构上进行追加，例如列表和字典(在单独追加时速度更快)，并将数据转换为当您实际需要分析时批量使用 DataFrame。