pandas 添加行到|极客教程

pandas 添加行到

在数据处理和分析中，经常需要向现有的数据框（DataFrame）中添加新的行。Pandas 是一个强大的 Python 数据分析库，它提供了多种方式来实现这一功能。本文将详细介绍如何使用 Pandas 的 append() 方法来添加行到 DataFrame 中。我们将通过多个示例代码来展示不同的使用场景和技巧。

1. 基本用法

append() 方法是 Pandas 中添加行的基本方式。这个方法可以将一个 Series 或另一个 DataFrame 添加到原始 DataFrame 的末尾。

示例代码 1：向 DataFrame 添加单行

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'Website': ['pandasdataframe.com'],
    'Pageviews': [1000],
    'Users': [100]
})

# 创建一个 Series，作为新行
new_row = pd.Series(['pandasdataframe.com', 1500, 150], index=['Website', 'Pageviews', 'Users'])

# 添加新行
df = df._append(new_row, ignore_index=True)
print(df)

Output:

pandas 添加行到

2. 添加多行

除了添加单行，append() 方法也支持一次添加多行。这可以通过传递一个包含多个 Series 的列表或一个完整的 DataFrame 来实现。

示例代码 2：一次添加多行

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'Website': ['pandasdataframe.com'],
    'Pageviews': [1000],
    'Users': [100]
})

# 创建另一个 DataFrame 作为新行
new_rows = pd.DataFrame({
    'Website': ['pandasdataframe.com', 'pandasdataframe.com'],
    'Pageviews': [1200, 1300],
    'Users': [110, 115]
})

# 添加新行
df = df._append(newrows, ignore_index=True)
print(df)

3. 使用字典添加行

可以直接使用字典来添加行。在这种情况下，字典的键应与 DataFrame 的列名相匹配。

示例代码 3：使用字典添加单行

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'Website': ['pandasdataframe.com'],
    'Pageviews': [1000],
    'Users': [100]
})

# 使用字典添加新行
new_row = {'Website': 'pandasdataframe.com', 'Pageviews': 1600, 'Users': 130}

# 添加新行
df = df._append(new_row, ignore_index=True)
print(df)

Output:

pandas 添加行到

4. 处理索引问题

使用 append() 方法时，如果不设置 ignore_index=True，新添加的行将保留其原始索引，这可能会导致索引重复。设置 ignore_index=True 可以让 Pandas 重新为合并后的 DataFrame 生成新的整数索引。

示例代码 4：处理索引问题

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'Website': ['pandasdataframe.com'],
    'Pageviews': [1000],
    'Users': [100]
})

# 创建一个 Series，作为新行
new_row = pd.Series(['pandasdataframe.com', 1800, 140], index=['Website', 'Pageviews', 'Users'])

# 添加新行，忽略原有索引
df = df._append(new_row, ignore_index=True)
print(df)

Output:

pandas 添加行到

5. 性能考虑

虽然使用 append() 方法很方便，但在处理大数据集时，频繁地使用 append() 可能会导致性能问题，因为每次调用 append() 都会创建新的 DataFrame 对象。如果需要添加多行，建议先创建一个包含所有新行的 DataFrame，然后一次性添加到原始 DataFrame 中。

示例代码 5：性能优化

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'Website': ['pandasdataframe.com'],
    'Pageviews': [1000],
    'Users': [100]
})

# 创建一个包含多行的 DataFrame
new_rows = pd.DataFrame({
    'Website': ['pandasdataframe.com', 'pandasdataframe.com'],
    'Pageviews': [2000, 2100],
    'Users': [200, 210]
})

# 一次性添加多行，优化性能
df = df._append(new_rows, ignore_index=True)
print(df)

Output:

pandas 添加行到

6. 结合使用 `concat()` 方法

除了 append()，Pandas 还提供了 concat() 方法，这是一个更通用的方法，可以用于沿特定轴连接多个 DataFrame 或 Series 对象。当需要添加多个 DataFrame 时，使用 concat() 可能更加高效。

示例代码 6：使用 `concat()` 添加行

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'Website': ['pandasdataframe.com'],
    'Pageviews': [1000],
    'Users': [100]
})

# 创建另一个 DataFrame
new_rows = pd.DataFrame({
    'Website': ['pandasdataframe.com', 'pandasdataframe.com'],
    'Pageviews': [2200, 2300],
    'Users': [220, 230]
})

# 使用 concat() 添加行
df = pd.concat([df, new_rows], ignore_index=True)
print(df)

Output:

pandas 添加行到