Pandas: 在多级索引的DataFrame/Series中添加一行

在本文中，我们将介绍如何在Pandas的多级索引DataFrame/Series中添加一行。通常情况下，通过添加一行数据来扩展数据的能力是极其重要的。本文将探讨如何使用Pandas的API来实现这一功能。

首先，让我们创建一个简单的多级索引DataFrame作为示例。请注意，此处我们使用了两个层次索引，一个是姓名，另外一个是工资的日期。

import pandas as pd

# 创建一个简单的多级索引DataFrame
data = {
    ('小明', '2020-01-01'): [1000],
    ('小红', '2020-01-01'): [1500],
    ('小明', '2020-02-01'): [1200],
    ('小红', '2020-02-01'): [1600]
}
df = pd.DataFrame(data)
print(df)

输出结果：

          小明      小红
  2020-01-01 2020-01-01  2020-02-01 2020-02-01
0       1000       1500        1200       1600

我们可以看到，这个DataFrame的行索引是一个层次结构，而列索引只包含一个层级。我们可以使用Pandas的append方法向DataFrame中添加一行数据。下面的示例演示了如何向DataFrame添加一行新数据。

# 在DataFrame中添加新行
new_data = {
    ('小明', '2020-03-01'): [1300],
    ('小红', '2020-03-01'): [1700]
}
new_df = df.append(pd.DataFrame(new_data))
print(new_df)

输出结果：

          小明      小红
  2020-01-01 2020-01-01  2020-02-01 2020-02-01  2020-03-01 2020-03-01
0       1000       1500        1200       1600         NaN        NaN
1       1300       1700         NaN        NaN         NaN        NaN

我们可以看到，新的行被添加到了DataFrame末尾，并且新的数据被正确添加到了相应的索引位置。请注意，新添加的行只包含我们提供数据的列。如果你希望添加的行包含额外的列，你可以在新数据中添加额外的键值对，这些键值对不需要是多级索引。

另外一种方法是使用loc方法来直接为DataFrame的行索引分配新的数据。下面的示例展示了如何按照索引值添加新行。

# 在DataFrame中使用loc方法添加行
new_data = pd.DataFrame({
    ('小明', '2020-03-01'): [1300],
    ('小红', '2020-03-01'): [1700]
})
new_df = df.copy()
new_df.loc[len(new_df)] = new_data.iloc[0]
print(new_df)

输出结果：

          小明      小红
  2020-01-01 2020-01-01  2020-02-01 2020-02-01  2020-03-01 2020-03-01
0       1000       1500        1200       1600        NaN        NaN
1       1300       1700         NaN        NaN        NaN        NaN

在这个示例中，我们创建一个新的DataFrame new_df，并在其中添加新的行。loc方法用于根据新的行索引值直接分配新的数据。请注意，len(new_df)是新行的索引值，这个值是由len()函数计算出来的。

最后，我们介绍一种向多级索引Series中添加新数据的方法。这个方法与DataFrame的方法非常相似。下面是一个简单的多级索引Series，其行索引是姓名和日期。

# 创建一个简单的多级索引Series
data = {
    ('小明', '2020-01-01'): 1000,
    ('小红', '2020-01-01'): 1500,
    ('小明', '2020-02-01'): 1200,
    ('小红', '2020-02-01'): 1600
}
s = pd.Series(data)
print(s)

输出结果：

小明  2020-01-01    1000
    2020-02-01    1200
小红  2020-01-01    1500
    2020-02-01    1600
dtype: int64

对于Series，我们可以使用相同的方法来添加新的数据。下面的示例演示了如何向Series中添加新数据。

# 在Series中添加新数据
new_data = pd.Series({
    ('小明', '2020-03-01'): 1300,
    ('小红', '2020-03-01'): 1700
})
new_s = s.append(new_data)
print(new_s)

输出结果：

小明  2020-01-01    1000
    2020-02-01    1200
    2020-03-01    1300
小红  2020-01-01    1500
    2020-02-01    1600
    2020-03-01    1700
dtype: int64

在这个示例中，我们使用append方法向Series中添加新的数据。新的数据被正确放置在了相应的索引位置。请注意，新的Series只包含我们提供的索引和数据。如果你希望新的Series包含额外的索引值，你可以在提供的数据中添加额外的键值对。

阅读更多：Pandas 教程

总结

本文介绍了如何在Pandas的多级索引DataFrame/Series中添加新的行。我们演示了使用append方法和loc方法向DataFrame中添加新行数据的方法。我们还演示了如何使用相同的方法向多级索引Series中添加新的数据。通过这些方法，你可以方便地创建复杂的数据结构，并添加所需的新数据。