Pandas DataFrame DataFrame.append() 函数

#Pandas DataFrame DataFrame.append() 函数 | 来源: 网络整理| 查看: 265

pandas.DataFrame.append() 方法的语法示例代码：用 pandas.DataFrame.append() 添加两个 DataFrame 示例代码: 用 pandas.DataFrame.append() 来追加 DataFrame 并忽略索引在 DataFrame.append() 方法中设置 verify_integrity=True 示例代码：添加不同列的 DataFrame Pandas DataFrame DataFrame.append() 函数

pandas.DataFrame.append() 将一个 DataFrame 作为输入，并将其行与调用该方法的 DataFrame 的行合并，最后返回一个新的 DataFrame。如果输入 DataFrame 中的任何一列在调用者 DataFrame 中不存在，那么这些列将被添加到 DataFrame 中，缺失的值将被设置为 NaN。

pandas.DataFrame.append() 方法的语法 DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=False) 参数 other 输入 DataFrame 或 Series，或 Python Dictionary-like，其行将被追加 ignore_index 布尔型。如果是 True，则忽略原始 DataFrame 中的索引，默认值是 False，表示使用索引。默认值是 False，意味着使用索引 verify_integrity 布尔型。如果是 True，在创建有重复的索引时引发 ValueError。默认值是 False sort 布尔型。如果列不对齐，它将对原始数据和其他 DataFrame 进行排序示例代码：用 pandas.DataFrame.append() 添加两个 DataFrame import pandas as pd names_1=['Hisila', 'Brian','Zeppy'] salary_1=[23,30,21] names_2=['Ram','Shyam',"Hari"] salary_2=[22,23,31] df_1 = pd.DataFrame({'Name': names_1, 'Salary': salary_1}) df_2 = pd.DataFrame({'Name': names_2, 'Salary': salary_2}) merged_df = df_1.append(df_2) print(merged_df) Ezoic

输出：

Name Salary 0 Hisila 23 1 Brian 30 2 Zeppy 21 Name Salary 0 Ram 22 1 Shyam 23 2 Hari 31 Name Salary 0 Hisila 23 1 Brian 30 2 Zeppy 21 0 Ram 22 1 Shyam 23 2 Hari 31 Ezoic

它在 df_1 的末尾添加 df_2，并返回 merged_df，合并两个 DataFrames 的行。在这里，merged_df 的索引与它们的父 DataFrames 相同。

示例代码: 用 pandas.DataFrame.append() 来追加 DataFrame 并忽略索引 import pandas as pd names_1=['Hisila', 'Brian','Zeppy'] salary_1=[23,30,21] names_2=['Ram','Shyam',"Hari"] salary_2=[22,23,31] df_1 = pd.DataFrame({'Name': names_1, 'Salary': salary_1}) df_2 = pd.DataFrame({'Name': names_2, 'Salary': salary_2}) merged_df = df_1.append(df_2,ignore_index=True) print(df_1) print(df_2) print( merged_df)

输出：

Name Salary 0 Hisila 23 1 Brian 30 2 Zeppy 21 Name Salary 0 Ram 22 1 Shyam 23 2 Hari 31 Name Salary 0 Hisila 23 1 Brian 30 2 Zeppy 21 3 Ram 22 4 Shyam 23 5 Hari 31

它将 df_2 追加到 df_1 的末尾，这里 merged_df 通过使用 append() 方法中的 ignore_index=True 参数得到全新的索引。

在 DataFrame.append() 方法中设置 verify_integrity=True

如果我们在 append() 方法中设置 verify_integrity=True，我们会得到重复索引的 ValueError。

import pandas as pd names_1=['Hisila', 'Brian','Zeppy'] salary_1=[23,30,21] names_2=['Ram','Shyam',"Hari"] salary_2=[22,23,31] df_1 = pd.DataFrame({'Name': names_1, 'Salary': salary_1}) df_2 = pd.DataFrame({'Name': names_2, 'Salary': salary_2}) merged_df = df_1.append(df_2,verify_integrity=True) print(df_1) print(df_2) print( merged_df) Ezoic

输出：

ValueError: Indexes have overlapping values: Int64Index([0, 1, 2], dtype='int64')

由于 df_1 和 df_2 中的元素默认有相同的索引，所以产生了 ValueError。为了防止这个错误，我们使用 verify_integrity 的默认值，即 verify_integrity=False。

示例代码：添加不同列的 DataFrame

如果我们追加一个不同列的 DataFrame，这个列就会被添加到生成的 DataFrame 中，原 DataFrame 或其他 DataFrame 中不存在的列的相应单元格被设置为 NaN。

import pandas as pd names_1=['Hisila', 'Brian','Zeppy'] salary_1=[23,30,21] names_2=['Ram','Shyam',"Hari"] salary_2=[22,23,31] Age=[30,31,33] df_1 = pd.DataFrame({'Name': names_1, 'Salary': salary_1}) df_2 = pd.DataFrame({'Name': names_2, 'Salary': salary_2,"Age":Age}) merged_df = df_1.append(df_2, sort=False) print(df_1) print(df_2) print( merged_df)

输出：

Name Salary 0 Hisila 23 1 Brian 30 2 Zeppy 21 Name Salary Age 0 Ram 22 30 1 Shyam 23 31 2 Hari 31 33 Name Salary Age 0 Hisila 23 NaN 1 Brian 30 NaN 2 Zeppy 21 NaN 0 Ram 22 30.0 1 Shyam 23 31.0 2 Hari 31 33.0

这里，df_1 的行得到 Age 列的 NaN 值，因为 Age 列只存在于 df_2 中。

我们还设置了 sort=False，以使排序在未来的 Pandas 版本中被取消的警告保持沉默。

【本文地址】

公司简介

联系我们