目录
import numpy as np
import pandas as pd
df = pd.read_csv('data/table.csv')
df.head()
一、append与assign
1. append方法
(1)利用序列添加行(必须指定name)
#获取列为'Gender'、'Height'的前4行(loc包含右端点)
df_append = df.loc[:3,['Gender','Height']].copy()
df_append
#利用Series在df_append后添加一行
s = pd.Series({
'Gender':'F','Height':188},name='new_row')
df_append.append(s)
(2)用DataFrame添加表
#在df_append后面添加一个定义好的DataFrame
df_temp = pd.DataFrame({
'Gender':['F','M'],'Height':[188,176]},\
index=['new_1','new_2'])
df_append.append(df_temp)
2. assign方法
该方法主要用于添加列,列名直接由参数指定
#添加一个列名为letter,内容为abcd的列
s = pd.Series(list('abcd'),index=range(4))
df_append.assign(Letter=s)
#一次添加多个列,添加2列,col1和col2
df_append.assign(col1=lambda x:x['Gender']*2,
col2=s)
二、combine与update
combine和update都是用于表的填充函数,可以根据某种规则填充
1. combine方法
(1)填充对象
可以看出combine方法是按照表的顺序轮流进行逐列循环的,而且自动
索引对齐,缺失值为NaN,理解这一点很重要
Function that takes two series as inputs and return a Series or a
scalar. Used to merge the two dataframes column by columns.
df_combine_1 = df.loc[:1,['Gender','Height']].copy()
df_combine_2 = df.loc[10:11,['Gender','Height']].copy()
df_combine_1.combine(df_combine_2,lambda x,y:print(x,y))
(2)例子
# 例子1,根据列均值的大小填充,填充列均值大的DataFrame
df1 = pd.DataFrame({
'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({
'A': [8, 7], 'B': [6, 5]})
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y)
#例子2,索引对齐特性(默认状态下,后面的表没有的行列都会设置为NaN)
#df2 中没有的行和列即A的都会设置为NaN
df2 = pd.DataFrame({
'B': [8, 7], 'C': [6, 5]},index=[1,2])
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y