pandas添加行的兩種實(shí)現(xiàn)方式
方法1(df.append())
import pandas as pd
# 創(chuàng)建一個(gè)空的DataFrame
df = pd.DataFrame(columns=['Column1', 'Column2'])
# 新增一行數(shù)據(jù)
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
可以看到這個(gè)pandas的添加行的方式和list也是一樣，都是使用append函數(shù)，但是有一個(gè)問(wèn)題，就是這個(gè)append是要返回值的, 這個(gè)倒是和list不同，還有一個(gè)區(qū)別是就是這個(gè)ignore_index的參數(shù)，必須得有，否則會(huì)報(bào)錯(cuò)
比如下面的例子就會(huì)報(bào)錯(cuò)
import pandas as pd
# 創(chuàng)建一個(gè)空的DataFrame
df = pd.DataFrame(columns=['Column1', 'Column2'])
# 新增一行數(shù)據(jù)
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數(shù)據(jù)，而是能添加dataframe的形式。
但是需要注意這個(gè)index的區(qū)別，如果設(shè)置了ignore_index=True的話，這個(gè)index的下標(biāo)就會(huì)被覆蓋，而且是從0開(kāi)始的計(jì)數(shù)，所以如果要求保留index信息的話，可以選擇使用df.concat()
方法2(df.concat())
import pandas as pd
# 創(chuàng)建一個(gè)空的DataFrame
df1 = pd.DataFrame(columns=['Column1', 'Column2'])
# 新增一行數(shù)據(jù)
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，這個(gè)結(jié)果就是很好的
到此這篇關(guān)于pandas添加行的兩種實(shí)現(xiàn)方式的文章就介紹到這了,更多相關(guān)pandas添加行內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
應(yīng)用OpenCV和Python進(jìn)行SIFT算法的實(shí)現(xiàn)詳解
這篇文章主要介紹了應(yīng)用OpenCV和Python進(jìn)行SIFT算法的實(shí)現(xiàn)詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Python實(shí)現(xiàn)數(shù)據(jù)庫(kù)與Excel文件之間的數(shù)據(jù)自動(dòng)化導(dǎo)入與導(dǎo)出
數(shù)據(jù)庫(kù)和Excel文件是兩種常見(jiàn)且重要的數(shù)據(jù)存儲(chǔ)方式,本文將介紹如何使用Python有效地實(shí)現(xiàn)數(shù)據(jù)庫(kù)與Excel文件之間的數(shù)據(jù)自動(dòng)化導(dǎo)入與導(dǎo)出,以SQLite數(shù)據(jù)庫(kù)為例,需要的朋友可以參考下2024-06-06
大家好，本篇文章主要講的是用Python實(shí)現(xiàn)屏幕截圖詳解，感興趣的同學(xué)趕快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下2022-01-01
這篇文章主要介紹了python opencv之SURF算法示例,小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-02-02
在pycharm中使用pipenv創(chuàng)建虛擬環(huán)境和安裝django的詳細(xì)教程
這篇文章主要介紹了在pycharm中使用pipenv來(lái)創(chuàng)建虛擬環(huán)境和安裝django的詳細(xì)教程，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-11-11
Python Pandas學(xué)習(xí)之?dāng)?shù)據(jù)離散化與合并詳解
Pandas是python的一個(gè)數(shù)據(jù)分析包，該工具是為解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。本文將通過(guò)示例詳細(xì)為大家介紹一下Pandas的數(shù)據(jù)離散化與合并，需要的可以參考一下2022-02-02
這篇文章主要分享的是python使用技巧查找文件，下面我們就來(lái)介紹針對(duì)python查找文件的相關(guān)內(nèi)容，需要的小伙伴可以參考一下2022-02-02
conda?install?nb_conda失敗原因分析及解決
這篇文章主要給大家介紹了關(guān)于conda?install?nb_conda失敗原因分析及解決方法,conda install nb_conda顯示錯(cuò)誤的原因可能有很多,具體原因取決于你的系統(tǒng)環(huán)境和安裝的conda版本,需要的朋友可以參考下2023-11-11
提升?Python?代碼運(yùn)行速度的6個(gè)技巧
本文分享了提升?Python?代碼運(yùn)行速度的6個(gè)技巧,Python?比我們想象的運(yùn)行的要快。我們之所以有先入為主的認(rèn)為Python運(yùn)行慢，可能是我們平常的誤用和缺乏使用技巧知識(shí)。接下來(lái)讓我們看看如何用一些簡(jiǎn)單的Trick來(lái)提高我們程序的運(yùn)行性能,需要的朋友可以參考一下2022-01-01
yolov5使用flask部署至前端實(shí)現(xiàn)照片\視頻識(shí)別功能
初學(xué)者在使用YOLO和Flask構(gòu)建應(yīng)用時(shí),往往需要實(shí)現(xiàn)上傳圖片和視頻的識(shí)別功能,本文介紹了如何在Flask框架中實(shí)現(xiàn)這一功能,包括文件上傳、圖片放大查看、視頻識(shí)別以及識(shí)別后的文件下載,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下2024-09-09