详解DataFrame.append()

发布时间：2023-05-20

一、DataFrame.append()的介绍

DataFrame是pandas库中最常用的数据类型，用于处理表格数据。append()是DataFrame对象的一个函数，能够将另一个DataFrame对象中的行追加到当前的DataFrame对象中，返回一个新的DataFrame对象。可以将append()函数看作是对DataFrame对象进行行操作的一种方法。

二、DataFrame.append()函数的语法和参数

该函数的语法和参数如下：

DataFrame.append(self, other, ignore_index=False, verify_integrity=False, sort=False)
  • self: 当前的DataFrame对象
  • other: 要追加到当前DataFrame对象的另一个DataFrame对象或Series对象
  • ignore_index: 如果为True，则不使用当前DataFrame对象的索引；如果为False则索引会被传递下去
  • verify_integrity: 如果为True，则检查列是否重复，可能会延迟行的追加（注：默认值为False）
  • sort: 如果为True，则对列数进行排序。默认值为False

三、DataFrame.append()函数的用法

1、将两个DataFrame对象进行合并

使用append()函数可以方便地将两个DataFrame对象进行合并。以下代码演示如何将两个DataFrame对象进行合并：

# 导入pandas库
import pandas as pd
# 创建第一个DataFrame对象
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                    'B': ['B0', 'B1', 'B2'],
                    'C': ['C0', 'C1', 'C2']})
# 创建第二个DataFrame对象
df2 = pd.DataFrame({'A': ['A3', 'A4', 'A5'],
                    'B': ['B3', 'B4', 'B5'],
                    'C': ['C3', 'C4', 'C5']})
# 将df2追加到df1中
df = df1.append(df2)
# 打印结果
print(df)

输出结果如下所示：

    A   B   C
0  A0  B0  C0
1  A1  B1  C1
2  A2  B2  C2
0  A3  B3  C3
1  A4  B4  C4
2  A5  B5  C5

2、将Series对象追加到DataFrame对象中

还可以使用append()函数将Series对象追加到DataFrame对象中。以下是具体实现方式：

# 导入pandas库
import pandas as pd
# 创建DataFrame对象
df = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                   'B': ['B0', 'B1', 'B2'],
                   'C': ['C0', 'C1', 'C2']})
# 创建Series对象
s = pd.Series(['A3', 'B3', 'C3'], index=['A', 'B', 'C'])
# 将Series对象追加到DataFrame对象中
df = df.append(s, ignore_index=True)
# 打印结果
print(df)

输出结果如下所示：

    A   B   C
0  A0  B0  C0
1  A1  B1  C1
2  A2  B2  C2
3  A3  B3  C3

3、保留重建索引后的列名

当在合并两个DataFrame对象时，如果索引列的名称不一致，就会生成一个新的列。如果想在保留新列同时，将它的名称设置与原来的相同，就可以使用rename函数。下面我们通过示例来进行演示：

# 导入pandas库
import pandas as pd
# 创建DataFrame对象
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                   'B': ['B0', 'B1', 'B2'],
                   'C': ['C0', 'C1', 'C2']}, index=['i0', 'i1', 'i2'])
df2 = pd.DataFrame({'C': ['D0', 'D1', 'D2'],
                   'D': ['E0', 'E1', 'E2'],
                   'E': ['F0', 'F1', 'F2']}, index=['i1', 'i2', 'i3'])
# 使用ignore_index参数，将两个DataFrame对象进行合并。同时保留新列。
df = df1.append(df2, ignore_index=False, sort=False).rename_axis('data').reset_index()
# 打印结果
print(df)

输出结果如下所示：

   data   A   B   C    D    E
0    i0  A0  B0  C0  NaN  NaN
1    i1  A1  B1  C1   E0   F0
2    i2  A2  B2  C2   E1   F1
3    i1  NaN  NaN  D0   E0   F0
4    i2  NaN  NaN  D1   E1   F1
5    i3  NaN  NaN  D2   E2   F2

4、对DataFrame对象进行追加后，重新生成索引

使用DataFrame.append()函数，可以输入ignore_index=True参数对数据进行重建索引，以下代码演示如何对追加后的DataFrame对象进行重建索引操作：

# 导入pandas库
import pandas as pd
# 创建DataFrame对象
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                   'B': ['B0', 'B1', 'B2'],
                   'C': ['C0', 'C1', 'C2']}, index=['i0', 'i1', 'i2'])
df2 = pd.DataFrame({'C': ['D0', 'D1', 'D2'],
                   'D': ['E0', 'E1', 'E2'],
                   'E': ['F0', 'F1', 'F2']}, index=['i2', 'i3', 'i4'])
# 当ignore_index=True时，对DataFrame对象进行重建索引
df = df1.append(df2, ignore_index=True, sort=False)
# 打印结果
print(df)

输出结果如下所示：

    A   B   C    D    E
0  A0  B0  C0  NaN  NaN
1  A1  B1  C1  NaN  NaN
2  A2  B2  C2  NaN  NaN
3 NaN NaN  D0   E0   F0
4 NaN NaN  D1   E1   F1
5 NaN NaN  D2   E2   F2

总结：

DataFrame.append()函数对于合并两个或多个DataFrame对象十分方便，能够简单地将一个DataFrame对象中另一个DataFrame对象的行添加到后面，经过重建索引和排序，能以更清晰的方式将一个新DataFrame追加到另一个DataFrame对象中，并生成一个新的DataFrame对象。这使得用户可以快速地以各种方式创建复杂数据结构，而不必费尽周折地定义各个元素，或编写复杂的代码。

推荐文章