DataFrame新增行或列(三)

1.在DataFrame上增加列

1.1.使用元组或列表增加列

df = pd.DataFrame([10,20,30,40], columns=['numbers'])
print(df)
print('---------------------------')
df['float'] = (1.2,2.2,3.2,4.2) # 使用元组或列表增加列
print(df)

输出结果：
---------------------------
   numbers
0       10
1       20
2       30
3       40
---------------------------
   numbers  float
0       10    1.2
1       20    2.2
2       30    3.2
3       40    4.2

1.2.使用DataFrame创建一个新列

# 整个DataFrame对象定义一个新列
df['names'] = pd.DataFrame(['Yves', 'Guido', 'Felix', 'Francesc']) 
print(df)

输出结果：
   numbers  float     names
0       10    1.2      Yves
1       20    2.2     Guido
2       30    3.2     Felix
3       40    4.2  Francesc

2.使用append增加行

DataFrame.append(*other*, *ignore_index=False*, *verify_integrity=False*, *sort=None*)

other: 是要添加的数据，append很不挑食，这个other可以是dataframe，dict，Seris，list等等。
ignore_index: 参数为True时将在数据合并后，按照0，1，2，3....的顺序重新设置索引，忽略了旧索引。
verify_integrity：参数为True时，如果合并的数据与原数据包含索引相同的行，将报错。

    append使用字典添加新行

# 使用字典
df2 = df.append({'numbers':100, 'float':5.75, 'names':'Henry'},ignore_index=True)
print(df2)

输出结果：
   numbers  float     names
0       10   1.20      Yves
1       20   2.20     Guido
2       30   3.20     Felix
3       40   4.20  Francesc
4      100   5.75     Henry

    append使用DataFrame添加新行：

#使用DataFrame添加新行
df2 = df.append(pd.DataFrame({'numbers':100, 'float':5.75, 'names':'Henry'}, index=['z']))
print(df2)

输出结果：
   numbers  float     names
0       10   1.20      Yves
1       20   2.20     Guido
2       30   3.20     Felix
3       40   4.20  Francesc
z      100   5.75     Henry

3.使用join增加列

通过索引或者指定的列连接两个DataFrame。
DataFrame.join(other, on=None, how=’left’, lsuffix=”, rsuffix=”, sort=False)

参数说明
other:【DataFrame，或者带有名字的Series，或者DataFrame的list】如果传递的是Series，那么其name属性应当是一
个集合，并且该集合将会作为结果DataFrame的列名
on:【列名称，或者列名称的list/tuple，或者类似形状的数组】连接的列，
默认使用索引连接
how:【{‘left’, ‘right’, ‘outer’, ‘inner’}, default:‘left’】连接的方式，默认为左连接
lsuffix:【string】左DataFrame中重复列的后缀
rsuffix:【string】右DataFrame中重复列的后缀
sort:【boolean, default False】按照字典顺序对结果在连接键上排序。如果为False，连接键的顺序取决于连接类型（关键字）。

df1 = pd.DataFrame({'a':[1,2],'b':[3,4]})
df2 = pd.DataFrame({'c':[5,6,7],'d':[8,9,0]})
df = df1.join(df2)   # 默认how=left，左连接
print(df)
print('--------------------')
df = df1.join(df2, how='outer') # how=outer，外连接
print(df)

输出结果：
---------------------------
   a  b  c  d
0  1  3  5  8
1  2  4  6  9
--------------------
     a    b  c  d
0  1.0  3.0  5  8
1  2.0  4.0  6  9
2  NaN  NaN  7  0

4.使用concat增加行列

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)
常用参数：
obj：要合并的series，dataframe或者是panel构成的序列，常将这些数据排成一个列表[data1,data2....]。
axis：按照哪个方向拼接，0是纵向拼接（默认），1是横向拼接。
join：设置合并取交集（inner）还是并集（outer）。纵向拼接时取column的交并集，横向拼接时取index的交并集。
join_axes：index的列表，仅在横向合并时使用，指明要将数据合并入哪个原表的index。
ignore_index：如果设置为true，则无视表的index，直接合并，合并后生成新的index。
keys：表标识的列表，用来区分合并的表来自哪里。

df1 = pd.DataFrame([[1,2],[3,4]])
df2 = pd.DataFrame([[5,6],[7,8]])
df = pd.concat([df1,df2], axis=0)  # axis=0，纵向合并，增加行
print(df)
print('-----------------------')
df = pd.concat([df1,df2], axis=1)  # axis=1，横向合并，增加列
print(df)


输出结果：
   0  1
0  1  2
1  3  4
0  5  6
1  7  8
-----------------------
   0  1  0  1
0  1  2  5  6
1  3  4  7  8