追加到 pandas 中的空 dataframe-ag捕鱼王app官网

正如我们之前所了解的，python 中的 pandas 是一个开源模块，我们可以使用它进行数据分析和制作机器学习模型。它与另一个名为 numpy 的包一起使用，因为它们携手支持多维数组。

许多数据科学模块可以与 python 生态系统中的 pandas 一起使用。我们将学习在 pandas 中附加到空 dataframe 的不同操作。

dataframe 是表格形式的二维和潜在的异构数据。

本教程教授如何使用 python 在 pandas 的空 dataframe 中添加行和列。我们将研究三种不同的方法来向空 dataframe 添加数据，因为有多种方法。

在 pandas 中创建一个空 dataframe 并添加行和列

下面是导入所需包、制作空 dataframe 和附加列的代码。

# import pandas library as pd
import pandas as pd
# create an empty dataframe object
df = pd.dataframe()
print(df)
# append columns to an empty dataframe
df["name"] = ["preet", "parin", "rajesh"]
df["articles"] = [97, 600, 200]
df["improved"] = [2200, 75, 100]
print(df)

上述代码片段的输出如下。

empty dataframe
columns: []
index: []
	name	articles  improved
0	preet	97		  2200
1	parin	600		  75
2	rajesh 	200		  100

在我们添加列和行之前，dataframe 是空的。因此，打印空 dataframe 为我们提供了输出 empty dataframe, columns: [], index: [] 作为输出，这是预期的，因为数据为空。

将行附加到具有 pandas 列的空 dataframe

在这个方法中，dataframe 是空的，但是会有预定义的列名，我们唯一的任务就是在它下面的行中插入数据。

下面是上述方法的代码，我们最初导入库 pandas，创建一个包含列的 dataframe，然后以行的形式附加值。

# import pandas library as pd
import pandas as pd
# create an empty dataframe
# object with column names only
df = pd.dataframe(columns=["name", "articles", "improved"])
print(df)
# append rows to an empty dataframe
df = df.append({"name": "preet", "articles": 97, "improved": 2200}, ignore_index=true)
df = df.append({"name": "parin", "articles": 30, "improved": 50}, ignore_index=true)
df = df.append({"name": "rajesh", "articles": 17, "improved": 220}, ignore_index=true)
print(df)

该代码将为我们提供以下输出。

empty dataframe
columns: [name, articles, improved]
index: []
	name	articles  improved
0	preet	97		  2200
1	parin	30	      50
2	rajesh	17		  220

正如我们所看到的，由于我们已经在 dataframe 中添加了列的名称，因此输出由 columns: [name, articles, improvement] 组成，它是数组中的列名称。

以下输出是因为我们使用了 .append() 函数。

使用 pandas 中的 .loc() 函数创建一个空 dataframe，包括带有索引的列和附加行

pandas 中的 .loc() 方法可帮助用户轻松地从 dataframe 中检索值，而不会带来任何复杂性。可以根据函数中传递的索引值访问特定行和列中的值。

在这种方法中，我们将创建一个空的 dataframe 和列名。将使用索引来识别每一列来访问它。

接下来我们将一个接一个地追加行。

下面给出了证明这种方法的代码。

# import pandas library as pd
import pandas as pd
# create an empty dataframe object with
# column names and indices
df = pd.dataframe(columns=["name", "articles", "improved"], index=["a", "b", "c"])
print("empty dataframe with nan values : \n\n", df)
# adding rows to an empty
# dataframe at existing index
df.loc["a"] = ["preet", 50, 100]
df.loc["b"] = ["parin", 60, 120]
df.loc["c"] = ["rajesh", 30, 60]
print(df)

上面给出的代码的输出如下。

empty dataframe with nan values :
   name  articles  improved
a  nan      nan      nan
b  nan      nan      nan
c  nan      nan      nan
   name  articles  improved
a  preet	50		 100
b  parin	60	     120
c  rajesh	30		 60

正如我们所观察到的，第一个表中的 nan 值是因为我们提到了索引，但这些值仍然为空。

提供索引的数量会将表绑定到该特定实例的那么多值。增加索引的数量允许插入更多的值。

因此，在本教程中，我们学习了在 pandas 中将值附加到 dataframe 的三种不同方法。