Pandas教程之二十五：Pandas dataframe.append()

Python – Pandas dataframe.append()

Pandas 的append函数用于将其他数据框的行添加到现有数据框的末尾，并返回一个新的数据框对象。原始数据框中不存在的列将添加为新列，新单元格将填充 NaN 值。

将 Dataframe 附加到另一个 Dataframe 中

在这个例子中，我们创建两个数据框，并使用 df.append() 将第二个数据框附加到第一个数据框。

Python

# Importing pandas as pd
import pandas as pd

# Creating the first Dataframe using dictionary
df1 = pd.DataFrame({"a":[1, 2, 3, 4],"b":[5, 6, 7, 8]})

# Creating the Second Dataframe using dictionary
df2 = pd.DataFrame({"a":[1, 2, 3],"b":[5, 6, 7]})

# to append df2 at the end of df1 dataframe
print(df1.append(df2))

Pandas dataframe append 语法

语法： DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=None)

参数：

other： DataFrame 或 Series/dict 类对象，或者这些对象的列表
ignore_index：如果为 True，则不使用索引标签。
verify_integrity：如果为 True，则在创建具有重复的索引时引发 ValueError。
sortPandas：如果自身和其它的列未对齐，则对列进行排序。默认排序已弃用，并将在 Pandas 的未来版本中更改为不排序。明确传递 sort=True 以消除警告并进行排序。明确传递 sort=False 以消除警告并且不进行排序。

返回类型：appended : DataFrame

注意：从 Pandas 2.0 版开始，Pandas append() 方法不再使用。使用 Pandas 时务必记住这一点。连接 DataFrames 的更有效的替代方法是使用pandas.DataFrame模块中的 .concat() 函数。

Pandas 附加两个 DataFrames 忽略索引

注意，第二个数据框的索引值在附加数据框中保留。如果我们不想发生这种情况，那么我们可以设置 ignore_index=True。

Python

# A continuous index value will be maintained
# across the rows in the new appended data frame.
df1.append(df2, ignore_index=True)

输出

将行附加到数据框

在这个例子中，我们将字典作为行附加到数据框。

Python

import pandas as pd

# Creating the first Dataframe using dictionary
df1 = df = pd.DataFrame({"a": [1, 2, 3, 4],
"b": [5, 6, 7, 8]})

# Append Dict as row to DataFrame
new_row = {"a": 10, "b": 10}
df2 = df.append(new_row, ignore_index=True)

print(df2)

输出

附加到不同形状的数据框

在此示例中，我们附加了不同形状的数据框。如果数据框中的列数不相等，则其中一个数据框中不存在的值将用 NaN 值填充。

Python

# Importing pandas as pd
import pandas as pd

# Creating the first Dataframe using dictionary
df1 = pd.DataFrame({"a":[1, 2, 3, 4],
"b":[5, 6, 7, 8]})

# Creating the Second Dataframe using dictionary
df2 = pd.DataFrame({"a":[1, 2, 3],
"b":[5, 6, 7],
"c":[1, 5, 4]})

# for appending df2 at the end of df1
df1 = df1.append(df2, ignore_index = True)
df1

输出

   a  b    c
0  1  5  NaN
1  2  6  NaN
2  3  7  NaN
3  4  8  NaN
4  1  5  1.0
5  2  6  5.0
6  3  7  4.0

请注意，新单元格填充了 NaN 值。

Python – Pandas dataframe.append() – 常见问题解答

Pandas DataFrame 中的 append 方法是什么？

Pandas DataFrame 中的append()方法用于将一个 DataFrame 的行附加到另一个 DataFrame。它返回一个包含附加行的新 DataFrame。

如何将一个 DataFrame 附加到另一个 DataFrame ？

您可以使用Pandas 中的“append()”方法将一个 DataFrame 附加到另一个 DataFrame。操作方法如下：

import pandas as pd

# Example DataFrames
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})

# Append df2 to df1
df_appended = df1.append(df2, ignore_index=True)

print(df_appended)

输出：

'ignore_index=True'确保在附加后重置索引，从而提供连续的索引范围。

如何将结果附加到 Pandas 中的 DataFrame ？

如果要将单行或多行附加到现有的 DataFrame，则可以使用带有新索引的 loc 访问器：

import pandas as pd

# Existing DataFrame
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# Append a new row
new_row = {'A': 5, 'B': 6}
df = df.append(new_row, ignore_index=True)

print(df)

输出：

如何在 DataFrame 中附加列表？

如果您有一个列表并希望将其作为新行附加到 DataFrame 中，则可以将列表转换为 DataFrame，然后将其附加：

import pandas as pd

# Existing DataFrame
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# List to append
new_data = [5, 6]

# Convert list to DataFrame and append
df = df.append(pd.Series(new_data, index=df.columns), ignore_index=True)

print(df)

输出：