将数据追加到一个空的Pandas数据框中

让我们看看如何将数据追加到一个空的Pandas DataFrame。

创建数据框架并将列分配给它

# importing the module
import pandas as pd
  
# creating the DataFrame of int and float
a = [[1, 1.2], [2, 1.4], [3, 1.5], [4, 1.8]]
t = pd.DataFrame(a, columns =["A", "B"])
  
# displaying the DataFrame
print(t)
print(t.dtypes)

输出 :

在将浮动值追加到int值数据类型列时，结果数据框架列类型粘贴为浮动值，以适应浮动值。

如果我们使用参数ignore_index = True => 索引值将保持连续，而不是从0开始，默认值为False。

# Appending a Data Frame of float and int
s = pd.DataFrame([[1.3, 9]], columns = ["A", "B"])
display(s)
  
# makes index continuous
t = t.append(s, ignore_index = True)  
display(t)
  
# Resultant data frame is of type float and float
display(t.dtypes)  

输出 :

当我们将布尔格式的数据追加到已经是浮动列类型的数据框中时，它将相应地改变数值，以便在浮动数据类型域中只容纳布尔值。

# Appending a Data Frame of bool and bool
u = pd.DataFrame([[True, False]], columns =["A", "B"])
display(u)
display(u.dtypes)
  
t = t.append(u)
display(t)
display(t.dtypes)  # type casted into float and float

输出 :

在将不同数据类型的数据附加到先前形成的数据框中时，所产生的数据框列类型将始终是更广泛的数据类型。

# Appending a Data Frame of object and object
x = pd.DataFrame([["1.3", "9.2"]], columns = ["A", "B"])
display(x)
display(x.dtypes)
  
t = t.append(x)
display(t)
display(t.dtypes)

输出 :

如果我们的目标是通过for循环创建一个数据框，那么最有效的方法是如下。

# Creating a DataFrame using a for loop in efficient manner
y = pd.concat([pd.DataFrame([[i, i * 10]], columns = ["A", "B"])
               for i in range(7, 10)], ignore_index = True)
  
# makes index continuous
t = t.append(y, ignore_index = True)  
display(t)
display(t.dtypes)

输出

如果我们试图添加与数据框架中已有的不同的列，那么结果如下。

# Appending Different Columns
z = pd.DataFrame([["1.3", "9.2"]], columns = ["E", "F"])
t = t.append(z)
print(t)
print(t.dtypes)
print()

输出 :