Comment ajouter une ligne à Pandas DataFrame

1. La méthode .loc[index] pour ajouter la ligne à Pandas dataframe avec des listes
2. ajouter le dictionnaire comme ligne pour l’ajouter à la Pandas DataFrame
3. Méthode Dataframe .append pour ajouter une ligne

Pandas est conçu pour charger une DataFrame entièrement remplie. Nous pouvons ajouter des lignes une par une à Pandas.Dataframe. Cela peut être fait en utilisant différentes approches comme .loc, dictionaries, pandas.concat() ou DataFrame.append().

La méthode .loc[index] pour ajouter la ligne à Pandas dataframe avec des listes

loc[index] prendra la nouvelle liste comme une nouvelle ligne et l’ajoutera à l’index donné de pandas.Dataframe.

Considérons le code suivant:

# 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)

Production:

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

ajouter le dictionnaire comme ligne pour l’ajouter à la Pandas DataFrame

append() peut prendre la valeur d’un dictionnaire de paires clé-valeur directement comme une ligne et l’ajouter aux pandas DataFrame.

Considérons le code suivant:

# 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)

Production:

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

Méthode Dataframe .append pour ajouter une ligne

Le fichier append peut être utilisé pour ajouter des lignes d’autres DataFrame à la fin de la DataFrame originale, et renvoyer une nouvelle DataFrame. Les colonnes de la nouvelle DataFrame qui ne sont pas dans la datafarme originale sont également ajoutées à la DataFrame existante et les nouvelles valeurs de cellules sont remplies avec NaN.

Considérons le code suivant:

# 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 ignorera l’index de la nouvelle DataFrame et lui assignera le nouvel index de la DataFrame originale.

Production:

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

Article connexe - Pandas DataFrame