我从panda DataFrame文档开始：数据结构简介
我希望在时间序列类型的计算中用值迭代地填充DataFrame。所以基本上，我想用列A、B和时间戳行初始化DataFrame，全部为0或全部为NaN。
然后，我将添加初始值，并遍历该数据，从前面的行计算新行，例如，行[A][t]=行[A][t-1]+1左右。
我目前使用的代码如下所示，但我觉得这有点难看，必须有一种直接使用DataFrame的方法，或者只是一种更好的方法。
注意：我使用的是Python 2.7。
import datetime as dt
import pandas as pd
import scipy as s
if __name__ == '__main__':
base = dt.datetime.today().date()
dates = [ base - dt.timedelta(days=x) for x in range(0,10) ]
dates.sort()
valdict = {}
symbols = ['A','B', 'C']
for symb in symbols:
valdict[symb] = pd.Series( s.zeros( len(dates)), dates )
for thedate in dates:
if thedate > dates[0]:
for symb in valdict:
valdict[symb][thedate] = 1+valdict[symb][thedate - dt.timedelta(days=1)]
print valdict
这是我用循环从几个列表中创建动态数据帧的方法
x = [1,2,3,4,5,6,7,8]
y = [22,12,34,22,65,24,12,11]
z = ['as','ss','wa', 'ss','er','fd','ga','mf']
names = ['Bob', 'Liz', 'chop']
一个循环
def dataF(x,y,z,names):
res = []
for t in zip(x,y,z):
res.append(t)
return pd.DataFrame(res,columns=names)
后果
dataF(x,y,z,names)
假设一个数据帧有19行
index=range(0,19)
index
columns=['A']
test = pd.DataFrame(index=index, columns=columns)
保持A列为常量
test['A']=10
将b列保持为循环给定的变量
for x in range(0,19):
test.loc[[x], 'b'] = pd.Series([x], index = [x])
可以用任何值替换pd.Series中的第一个x（[x]，index=[x]）
如果您只是想创建一个空的数据帧，然后用一些传入的数据帧填充它，请尝试以下操作：
newDF = pd.DataFrame() #creates a new dataframe that's empty
newDF = newDF.append(oldDF, ignore_index = True) # ignoring index is optional
# try printing some data from newDF
print newDF.head() #again optional
在本例中，我使用panda文档创建一个新的数据帧，然后使用append将来自oldDF的数据写入newDF。
如果我必须继续将新数据附加到这个新DF中一个旧DF，我只使用for循环来迭代pandas.DataFrame.append（）
注意：append（）自1.4.0版起已弃用。使用concat（）
这是我用循环从几个列表中创建动态数据帧的方法
x = [1,2,3,4,5,6,7,8]
y = [22,12,34,22,65,24,12,11]
z = ['as','ss','wa', 'ss','er','fd','ga','mf']
names = ['Bob', 'Liz', 'chop']
一个循环
def dataF(x,y,z,names):
res = []
for t in zip(x,y,z):
res.append(t)
return pd.DataFrame(res,columns=names)
后果
dataF(x,y,z,names)
