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。