迹忆客 专注技术分享

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

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)

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

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)

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。