pandas中的序列与表的合并

行追加数据

append()

使用场合：

需要在原数据的基础上，再次增加行数据

使用方法：

append(要增加上去的项目， ignore_index = True或False )
 ignore_index = 表示是否需要忽略行索引

代码实战：

import pandas as pd

df1 = pd.DataFrame({"Name":["张三", "李四", "张三"],
                    "age":[20, 30, 40],
                    "class":["one", "two", "three"]})
a = df1.append({"Name":"妍", "age":22, "class":"one"}, ignore_index=True)
print(df1)
print()
print(a)

运行结果：

  Name  age  class
0   张三   20    one
1   李四   30    two
2   张三   40  three

  Name  age  class
0   张三   20    one
1   李四   30    two
2   张三   40  three
3    妍   22    one

由上可知：

pandas的DataFrame数据结构中的 .append() 方法是在行的基础之上追加数据的。
pandas中的 .append() 方法并没有改变原始的数据
python 中 列表的.append() 方法是将 列表值发生了变化，是在原列表的基础上做出的改动。

列追加类别

assign()

使用场合：

可以利用 .assign() 添加新的列
一般通过 df[‘new_col’] = … 的形式就可以等价地添加新列。

使用方法：

代码实战：

import pandas as pd

df1 = pd.DataFrame({"Name":["张三", "李四", "张三"],
                    "age":[20, 30, 40],
                    "class":["one", "two", "three"]})
s = pd.Series([98, 94, 90])
new = df1.assign(score=s)
print(df1)
print()
print(new)
print()
df1["score"] = s
print(df1)

运行代码：

  Name  age  class
0   张三   20    one
1   李四   30    two
2   张三   40  three

  Name  age  class  score
0   张三   20    one     98
1   李四   30    two     94
2   张三   40  three     90

  Name  age  class  score
0   张三   20    one     98
1   李四   30    two     94
2   张三   40  three     90

由此看出，同时，使用 [ ] 修改的缺点是它会直接在原表上进行改动，而 assign 返回的是一个临时副本。