Python pandas.DataFrame.append用法及代码示例

用法: DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=False)

将 other 行追加到调用者的末尾，返回一个新对象。

other 中不在调用者中的列被添加为新列。

参数：

other：DataFrame 或 Series/dict-like 对象，或这些对象的列表

要附加的数据。

ignore_index：布尔值，默认为 False

如果为 True，则生成的轴将标记为 0、1、...、n - 1。

verify_integrity：布尔值，默认为 False

如果为 True，则在创建具有重复项的索引时引发 ValueError。

sort：布尔值，默认为 False

如果self 和other 的列未对齐，则对列进行排序。

DataFrame

一个新的 DataFrame，由 caller 的行和 other 的行组成。

注意：

如果传递了 dict/series 的列表并且键都包含在 DataFrame 的索引中，则生成的 DataFrame 中列的顺序将保持不变。

迭代地将行附加到 DataFrame 可能比单个连接的计算密集度更高。更好的解决方案是将这些行附加到列表中，然后将列表与原始 DataFrame 一次性连接起来。

例子：

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

以下虽然不推荐用于生成 DataFrame 的方法，但显示了从多个数据源生成 DataFrame 的两种方法。

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

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.append。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：