Pandas DataFrame DataFrame.append() 函数
-
pandas.DataFrame.append()方法的语法 -
示例代码：用
pandas.DataFrame.append()添加两个 DataFrame -
示例代码: 用
pandas.DataFrame.append()来追加 DataFrame 并忽略索引 -
在
DataFrame.append()方法中设置verify_integrity=True - 示例代码：添加不同列的 DataFrame
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
other |
输入 DataFrame 或 Series，或 Python Dictionary-like，其行将被追加 |
ignore_index |
布尔型。如果是 True，则忽略原始 DataFrame 中的索引，默认值是 False，表示使用索引。默认值是 False，意味着使用索引 |
verify_integrity |
布尔型。如果是 True，在创建有重复的索引时引发 ValueError。默认值是 False |
sort |
布尔型。如果列不对齐，它将对原始数据和其他 DataFrame 进行排序 |
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。
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn