pandas append函数,dataframe.append()

　　熊猫数据帧追加()函数用于合并另一个数据帧对象中的行。该函数返回一个新的数据帧对象，并且不改变源对象。如果列中存在不匹配，则在结果数据帧中添加新列。

　　熊猫数据帧追加()函数用于合并另一个数据帧对象中的行。此函数返回一个新的数据帧对象，并且不更改源对象。如果各列不匹配，则将新列添加到结果数据帧中。

　　1.熊猫数据帧追加()参数(1.熊猫数据帧追加()参数)追加()函数的语法是：

　　追加()函数的语法为：

　　append(other，ignore_index=False，verify_integrity=False，sort=None)other:数据框，系列或类似词典的对象，其行将被添加到调用方数据帧中。其他:数据帧，系列或词典式对象，其行将添加到调用方数据帧中ignore_index:如果为没错，则忽略来自源数据帧对象的索引。

　　ignore_index:如果为没错，则将忽略源数据帧对象中的索引verify_integrity:如果为没错，则在创建有重复项的索引时引发值错误.

　　verify_integrity:如果为没错，则在创建具有重复项的索引时引发值错误.sort:如果源数据帧列未对齐，则对列进行排序。此功能已被否决。所以我们必须传递排序=真来对警告消息进行排序和屏蔽。如果传递了排序=假，则不对列进行排序，并忽略警告。

　　sort:如果源数据帧列未对齐，则对列进行排序。不建议使用此功能。因此，我们必须传递排序=真来排序和静音警告消息。如果传递了排序=假，则不会对列进行排序，并且会忽略警告。

　　让我们看一些数据帧追加()函数的例子。

　　让我们看一下数据帧追加()函数的一些示例。

　　2.追加两个数据框(2.追加两个数据帧)导入熊猫为pddf1=pd .DataFrame({Name: [Pankaj ， Lisa]， ID: [1，2]})df2=pd .DataFrame({Name: [David]， ID :[3]})print(df1)print(df2)df3=df1。附加(df2)打印( \ n结果数据帧：\ n ，df3)输出：

　　输出：

　　姓名ID0潘卡杰11丽莎2姓名ID0大卫3结果数据帧：姓名ID0潘卡杰11丽莎20大卫3 3。附加和忽略数据帧索引(3.追加和忽略数据帧索引)如果您看前面的例子，输出包含重复的索引。我们可以传递ignore_index=True来忽略源索引，并为输出数据帧分配新的索引。

　　如果查看前面的示例，则输出包含重复的索引。我们可以传递ignore_index=True来忽略源索引，并将新索引分配给输出数据帧。

　　df3=df1.append(df2，ignore_index=True)print(df3)输出：

　　输出：

　　名字ID0潘卡伊11丽莎22大卫3 4。为重复的索引引发ValueError (4 .如果两个数据帧对象中有重复的索引，我们可以传递verify_integrity=True来引发值错误.

　　如果两个数据帧对象中有重复的索引，我们可以传递verify_integrity=True引发值错误。

　　导入熊猫为pddf1=pd .DataFrame({Name: [Pankaj ， Lisa]， ID: [1，2]})df2=pd .DataFrame({Name: [David]， ID: [3]})df3=df1.append(df2，verify_integrity=True)输出：

　　输出：

　　值错误：索引有重叠值：Int64Index([0]，dtype=int64 )让我们看另一个没有重复索引的示例。

　　让我们看另一个没有重复索引的示例。

　　导入熊猫为pddf1=pd .DataFrame({Name: [Pankaj ， Lisa]， ID: [1，2]}，index=[100，200])df2=pd .DataFrame({Name: [David]， ID: [3]}，index=[300])df3=df1.append(df2，verify _ integrity=True)print(df3)输出：

　　输出：

　　姓名ID100 Pankaj 1200 Lisa 2300 David 3 5 .追加具有非匹配列的数据帧对象(5.用不匹配的列追加数据帧对象)将熊猫作为pddf1=pd导入DataFrame({Name: [Pankaj ， Lisa]， ID: [1，2]})df2=pd .DataFrame({Name: [Pankaj ， David]， ID: [1，3]， Role: [CEO ， Author]})df3=df1.append(df2，sort=False)print(df3)输出：

　　输出：

　　姓名ID角色0 Pankaj 1 nan 1 Lisa 2 nan 0 Pankaj 1 CEO 1 David 3作者我们显式传递排序=假以避免对列进行排序并忽略未来警告.如果不传递该参数，输出将包含以下警告消息。

　　我们明确传递了排序=假以避免对列进行排序并忽略未来警告。如果不传递此参数，则输出将包含以下警告消息。

　　未来警告：排序，因为非串联轴未对齐。熊猫的未来版本将默认改为不排序。若要接受未来行为，请传递" sort=False " .若要保留当前行为并取消警告，请传递“排序=真”.让我们看看当我们传递排序=真时会发生什么。

　　让我们看看当我们传递排序=真时会发生什么。

　　导入熊猫为pddf1=pd .DataFrame({Name: [Pankaj ， Lisa]， ID: [1，2]})df2=pd .DataFrame({Name: [Pankaj ， David]， ID: [1，3]， Role: [CEO ， Author]})df3=df1.append(df2，sort=True)print(df3)输出：

　　输出：

　　ID名称角色0 1 Pankaj nan 1 2 Lisa nan 0 1 Pankaj CEO 1 3 David作者注意，结果数据帧对象中的列是排序的。请注意，此功能已被弃用，并将从未来版本中删除。

　　请注意，列在结果数据帧对象中排序。请注意，此功能已被弃用，将从将来的版本中删除。

　　让我们看另一个例子，其中我们有带有（同Internationalorganizations）国际组织值的不匹配列。

　　让我们看另一个示例，在该示例中，我们具有不匹配的带有（同国际组织)国际组织值的列。

　　导入熊猫为pddf1=pd .DataFrame({ID: [1，2]})df2=pd .DataFrame({Name: [Pankaj ， Lisa]})df3=df1.append(df2，sort=False)print(df3)输出：

　　输出：

　　ID名称0 1.0 NaN 1 2.0 NaN 0 NaN panka J1 NaN Lisa注意，ID值被更改为浮点数，以允许圆盘烤饼值。

　　请注意，ID值已更改为浮点数以允许使用圆盘烤饼值。

　　6.参考(6.参考资料)Python熊猫模块教程计算机编程语言熊猫模块教程熊猫系列()函数

　　熊猫concat()函数熊猫数据帧append() API文档

　　熊猫DataFrame append()API文档

　　翻译自：https://www。日志开发。com/33465/熊猫-data frame-append-函数

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。