当前位置: 首页>>代码示例>>用法及示例精选>>正文


python pandas DataFrame.append用法及代码示例

用法:

DataFrame.append(self, other, ignore_index=False, verify_integrity=False, sort=False) → 'DataFrame'

附加的行other到调用方的末尾,返回一个新对象。

列中other不在调用方中的那些将添加为新列。

参数:

otherDataFrame 或 Series/dict-like object, 或 list of these

要追加的数据。

ignore_indexbool, 默认为 False

如果为True,则不要使用索引标签。

verify_integritybool, 默认为 False

如果为True,则在创建具有重复项的索引时引发ValueError。

sortbool, 默认为 False

如果列的列selfother不对齐。

0.23.0版中的新功能。

在1.0.0版中进行了更改:更改为默认情况下不排序。

返回值:

DataFrame

注意:

如果传递了字典/ Series 列表,并且键都包含在DataFrame的索引中,则结果DataFrame中列的顺序将保持不变。

迭代地将行添加到DataFrame可能比单个连接更多地计算密集型。更好的解决方案是将这些行添加到列表中,然后一次将列表与原始DataFrame连接起来。

例子:

>>> df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
>>> df
   A  B
0  1  2
1  3  4
>>> df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
>>> df.append(df2)
   A  B
0  1  2
1  3  4
0  5  6
1  7  8

ignore_index设置为True:

>>> df.append(df2, ignore_index=True)
   A  B
0  1  2
1  3  4
2  5  6
3  7  8

下列(虽然不推荐)用于生成DataFrame的方法,但显示了两种从多个数据源生成DataFrame的方法。

效率较低:

>>> df = pd.DataFrame(columns=['A'])
>>> for i in range(5):
...     df = df.append({'A': i}, ignore_index=True)
>>> df
   A
0  0
1  1
2  2
3  3
4  4

更高效:

>>> pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)],
...           ignore_index=True)
   A
0  0
1  1
2  2
3  3
4  4

源码:

pandas.DataFrame.append的API实现见:[源代码]

相关用法

注:本文由纯净天空筛选整理自 pandas.DataFrame.append。非经特殊声明,原始代码版权归原作者所有,本译文的传播和使用请遵循“署名-相同方式共享 4.0 国际 (CC BY-SA 4.0)”协议。