pandas添加行的两种实现方式
方法1(df.append())
import pandas as pd
# 创建一个空的DataFrame
df = pd.DataFrame(columns=['Column1', 'Column2'])
# 新增一行数据
data = {'Column1': 'Value1', 'Column2': 'Value2'}
df = df.append(data, ignore_index=True)
print(df)
raw_data ={"Column1":"adafafa","Column2":"123123"}
df = df.append(raw_data,ignore_index=True)
df
可以看到这个pandas的添加行的方式和list也是一样,都是使用append函数,但是有一个问题,就是这个append是要返回值的, 这个倒是和list不同,还有一个区别是就是这个ignore_index的参数,必须得有,否则会报错

比如下面的例子就会报错
import pandas as pd
# 创建一个空的DataFrame
df = pd.DataFrame(columns=['Column1', 'Column2'])
# 新增一行数据
data = {'Column1': 'Value1', 'Column2': 'Value2'}
df = df.append(data, ignore_index=True)
print(df)
raw_data ={"Column1":"adafafa","Column2":"123123"}
df = df.append(raw_data,ignore_index=False)
df
但是值得注意的是,df.append()并非只能添加字典形式的数据,而是能添加dataframe的形式。
但是需要注意这个index的区别,如果设置了ignore_index=True的话,这个index的下标就会被覆盖,而且是从0开始的计数,所以如果要求保留index信息的话,可以选择使用df.concat()
方法2(df.concat())
import pandas as pd
# 创建一个空的DataFrame
df1 = pd.DataFrame(columns=['Column1', 'Column2'])
# 新增一行数据
df2 = pd.DataFrame(data={'Column1': 'Value1', 'Column2': 'Value2'},index=["AAA"])
df3 = pd.DataFrame(data={'Column1': 'GSgasgag', 'Column2': 'bafgdgha'},index=["BBB"])
df = pd.concat([df1,df2])
print(df)
df = pd.concat([df,df3])
df

可以看到,这个结果就是很好的
到此这篇关于pandas添加行的两种实现方式的文章就介绍到这了,更多相关pandas添加行内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
Python核心内置函数len()、list()、locals()实用指南解析
Python作为一门以简洁、易读和强大功能著称的高级编程语言,其内置函数是语言核心能力的重要体现,也是初学者快速上手、中高级开发者提升编码效率的关键基石,这篇文章主要介绍了Python核心内置函数len()、list()、locals()实用指南的相关资料,需要的朋友可以参考下2026-03-03
matplotlib 多个图像共用一个colorbar的实现示例
这篇文章主要介绍了matplotlib 多个图像共用一个colorbar的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2020-09-09
15款Python编辑器的优缺点,别再问我“选什么编辑器”啦
这篇文章主要介绍了15款Python编辑器的优缺点,别再问我“选什么编辑器”啦,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧2020-10-10
Python中range()与np.arange()的具体使用
本文主要介绍了Python中range()与np.arange()的具体使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2022-06-06


最新评论