迹忆客 专注技术分享

Pandas 旨在加载一个完全填充的 DataFrame。我们可以在 pandas.DataFrame 中一一添加。这可以通过使用各种方法来完成，例如 .loc，字典，pandas.concat() 或 DataFrame.append()。

使用 .loc [index] 方法将行添加到带有列表的 Pandas DataFrame 中

loc[index] 会将新列表作为新行，并将其添加到 pandas.dataframe 的索引 index 中。

考虑以下代码：

# python 3.x
import pandas as pd

# List of Tuples
fruit_list = [("Orange", 34, "Yes")]
# Create a DataFrame object
df = pd.DataFrame(fruit_list, columns=["Name", "Price", "Stock"])
# Add new ROW
df.loc[1] = ["Mango", 4, "No"]
df.loc[2] = ["Apple", 14, "Yes"]
print(df)

结果：

     Name  Price Stock
0  Orange     34   Yes
1   Mango      4    No
2   Apple     14   Yes

将字典作为行添加到 Pandas DataFrame

append() 可以直接将字典中的键值作为一行，将其添加到 pandas dataframe 中。

考虑以下代码：

# python 3.x
import pandas as pd

# List of Tuples
fruit_list = [("Orange", 34, "Yes")]
# Create a DataFrame object
df = pd.DataFrame(fruit_list, columns=["Name", "Price", "Stock"])
# Add new ROW
df = df.append({"Name": "Apple", "Price": 23, "Stock": "No"}, ignore_index=True)
df = df.append({"Name": "Mango", "Price": 13, "Stock": "Yes"}, ignore_index=True)
print(df)

结果：

     Name  Price Stock
0  Orange     34   Yes
1   Apple     23    No
2   Mango     13   Yes

Dataframe .append 方法添加一行

.append 可用于将其他 DataFrame 的行追加到原始 DataFrame 的末尾，并返回一个新的 DataFrame。来自新 DataFrame 的列（不在原始 datafarme 中）也添加到现有的 DataFrame 中，新的单元格值填充为 NaN。

考虑以下代码：

# python 3.x
import pandas as pd

# List of Tuples
fruit_list = [("Orange", 34, "Yes")]
# Create a DataFrame object
df = pd.DataFrame(fruit_list, columns=["Name", "Price", "Stock"])
print("Original DataFrame:")
print(df)
print(".............................")
print(".............................")
new_fruit_list = [("Apple", 34, "Yes", "small")]
dfNew = pd.DataFrame(new_fruit_list, columns=["Name", "Price", "Stock", "Type"])
print("Newly Created DataFrame:")
print(dfNew)
print(".............................")
print(".............................")
# append one dataframe to othher
df = df.append(dfNew, ignore_index=True)
print("Copying DataFrame to orignal...")
print(df)

ignore_index = True 将忽略新 DataFrame 的 index 并从原始 DataFrame 为其分配新索引。

输出：

Original DataFrame:
     Name  Price Stock
0  Orange     34   Yes
.............................
.............................
Newly Created DataFrame:
    Name  Price Stock   Type
0  Apple     34   Yes  small
.............................
.............................
Copying  DataFrame to original..:
     Name  Price Stock   Type
0  Orange     34   Yes    NaN
1   Apple     34   Yes  small