I'estou a partir dos documentos DataFrame dos pandas aqui: http://pandas.pydata.org/pandas-docs/stable/dsintro.html
I'gostaria de preencher iterativamente o DataFrame com valores em um tipo de cálculo de séries temporais. Então basicamente, I'gostaria de inicializar o DataFrame com as colunas A, B e linhas de timestamp, todas 0 ou todas as NaN.
I'd então adicione os valores iniciais e repasse esses dados calculando a nova linha da linha antes, diga row[A][t] = row[A][t-1]+1
ou assim.
I'estou atualmente usando o código como abaixo, mas eu sinto-o's meio feio e deve haver uma maneira de fazer isso com um DataFrame diretamente, ou apenas uma maneira melhor em geral. Nota: I'm usando o 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
Aqui's um par de sugestões:
Utilize date_range
para o índice:
import datetime
import pandas as pd
import numpy as np
todays_date = datetime.datetime.now().date()
index = pd.date_range(todays_date-datetime.timedelta(10), periods=10, freq='D')
columns = ['A','B', 'C']
Note: poderíamos criar um DataFrame vazio (com NaN
s) simplesmente escrevendo:
df_ = pd.DataFrame(index=index, columns=columns)
df_ = df_.fillna(0) # with 0s rather than NaNs
Para fazer estes tipos de cálculos para os dados, use uma matriz numérica:
data = np.array([np.arange(10)]*3).T
Assim, podemos criar o DataFrame:
In [10]: df = pd.DataFrame(data, index=index, columns=columns)
In [11]: df
Out[11]:
A B C
2012-11-29 0 0 0
2012-11-30 1 1 1
2012-12-01 2 2 2
2012-12-02 3 3 3
2012-12-03 4 4 4
2012-12-04 5 5 5
2012-12-05 6 6 6
2012-12-06 7 7 7
2012-12-07 8 8 8
2012-12-08 9 9 9
Se você quiser simplesmente criar um quadro de dados vazio e preenchê-lo com alguns quadros de dados recebidos mais tarde, tente isto:
Neste exemplo estou usando este documento pandas para criar um novo quadro de dados e depois usando anexar para escrever no novoDF com dados do antigoDF.
**Dêem uma olhadela nisto...
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
Se você quiser ter os nomes das suas colunas desde o início, use esta abordagem:
import pandas as pd
col_names = ['A', 'B', 'C']
my_df = pd.DataFrame(columns = col_names)
my_df
Se você quiser adicionar um registro ao dataframe, seria melhor usar:
my_df.loc[len(my_df)] = [2, 4, 5]
Também pode querer passar um dicionário:
my_dic = {'A':2, 'B':4, 'C':5}
my_df.loc[len(my_df)] = my_dic
No entanto, se você quiser adicionar outro dataframe ao my_df faça o seguinte:
col_names = ['A', 'B', 'C']
my_df2 = pd.DataFrame(columns = col_names)
my_df = my_df.append(my_df2)
Se você estiver adicionando linhas dentro de um loop, considere problemas de desempenho:
Para cerca de 1000 registos "my_df.loc" o desempenho é melhor, mas torna-se gradualmente mais lento ao aumentar o número de registos no loop.
Se você planeja fazer coisas dentro de um grande loop (digamos 10M records or so so):
Você está melhor usando uma mistura destes dois;
preencha um dataframe com iloc até o tamanho chegar a cerca de 1000, depois junte-o ao dataframe original e esvazie o dataframe temporário.
Isto aumentaria o seu desempenho em cerca de 10 vezes.