pandas dataframe dataframe.append() 函数-ag捕鱼王app官网

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

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。