Wie man eine Zeile zu Pandas DataFrame hinzufügt

  1. .loc[index] Methode zum Hinzufügen der Zeile zu Pandas DataFrame mit Listen
  2. Dictionary als Zeile anhängen, um sie dem Pandas-DataFrame hinzuzufügen
  3. Dataframe .append Methode zum Hinzufügen einer Zeile

Pandas ist so konzipiert, dass es einen voll bestückten Dataframe lädt. Wir können eine Zeile nach der anderen zum pandas.Dataframe hinzufügen. Dies kann durch die Verwendung verschiedener Ansätze wie .loc, Wörterbücher, pandas.concat() oder DataFrame.append() geschehen.

.loc[index] Methode zum Hinzufügen der Zeile zu Pandas DataFrame mit Listen

loc[index] nimmt die neue Liste als neue Zeile und fügt sie dem angegebenen index von pandas.Dataframe hinzu.

Betrachten Sie den folgenden Code:

# 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)

Ausgabe:

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

Dictionary als Zeile anhängen, um sie dem Pandas-DataFrame hinzuzufügen

append() kann den Wert eines Dictionaries von Schlüssel-Wert-Paaren direkt als Zeile nehmen und ihn zu Pandas Dataframe hinzufügen.

Betrachten Sie den folgenden Code:

# 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)

Ausgabe:

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

Dataframe .append Methode zum Hinzufügen einer Zeile

.append kann verwendet werden, um Zeilen eines anderen DataFrame an das Ende des ursprünglichen DataFrame anzuhängen und einen neuen DataFrame zurückzugeben. Spalten aus einem neuen DataFrame, die sich nicht im ursprünglichen DataFrame befinden, werden ebenfalls an den bestehenden DataFrame angehängt, und der Wert neuer Zellen wird mit “NaN” gefüllt.

Betrachten Sie den folgenden Code:

# 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 wird den Index des neuen DataFrame ignorieren und ihnen einen neuen Index aus dem ursprünglichen DataFrame zuweisen.

Ausgabe:

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

Verwandter Artikel - Pandas DataFrame

  • Eindeutige Pandas-Werte in einer Spalte abrufen und diese sortieren
  • Index der Zeilen ermitteln, deren Spalte mit einem bestimmten Wert in Pandas übereinstimmt