Python dask.dataframe.DataFrame.append用法及代碼示例

用法: DataFrame.append(other, interleave_partitions=False)

將 other 行追加到調用者的末尾，返回一個新對象。

此文檔字符串是從 pandas.core.frame.DataFrame.append 複製而來的。

可能存在與 Dask 版本的一些不一致之處。

other 中不在調用者中的列被添加為新列。

參數：

other：DataFrame 或 Series/dict-like 對象，或這些對象的列表: 要附加的數據。
ignore_index：bool，默認 False(在 Dask 中不支持): 如果為 True，則生成的軸將標記為 0、1、...、n - 1。
verify_integrity：bool，默認 False(在 Dask 中不支持): 如果為 True，則在創建具有重複項的索引時引發 ValueError。
sort：bool，默認 False(在 Dask 中不支持): 如果self 和other 的列未對齊，則對列進行排序。

DataFrame: 一個新的 DataFrame，由 caller 的行和 other 的行組成。

注意：

如果傳遞了 dict/series 的列表並且鍵都包含在 DataFrame 的索引中，則生成的 DataFrame 中列的順序將保持不變。

迭代地將行附加到 DataFrame 可能比單個連接的計算密集度更高。更好的解決方案是將這些行附加到列表中，然後將列表與原始 DataFrame 一次性連接起來。

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 設置為 True：

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

以下雖然不推薦用於生成 DataFrame 的方法，但顯示了從多個數據源生成 DataFrame 的兩種方法。

效率較低：

>>> 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

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.dataframe.DataFrame.append。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：