python s append_python pandas DataFrame.append用法及代码示例

附加的行other到调用方的末尾，返回一个新对象。

列中other不在调用方中的那些将添加为新列。

参数：

other：DataFrame 或 Series/dict-like object, 或 list of these要追加的数据。

ignore_index：bool, 默认为 False如果为True，则不要使用索引标签。

verify_integrity：bool, 默认为 False如果为True，则在创建具有重复项的索引时引发ValueError。

sort：bool, 默认为 False如果列的列self和other不对齐。

0.23.0版中的新功能。

在1.0.0版中进行了更改：更改为默认情况下不排序。

返回值：

DataFrame

注意：

如果传递了字典/ Series 列表，并且键都包含在DataFrame的索引中，则结果DataFrame中列的顺序将保持不变。

迭代地将行添加到DataFrame可能比单个连接更多地计算密集型。更好的解决方案是将这些行添加到列表中，然后一次将列表与原始DataFrame连接起来。

例子：

>>> df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))

>>> df

A B

0 1 2

1 3 4

>>> df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))

>>> df.append(df2)

A B

0 1 2

1 3 4

0 5 6

1 7 8

用ignore_index设置为True：

>>> df.append(df2, ignore_index=True)

A B

0 1 2

1 3 4

2 5 6

3 7 8

下列(虽然不推荐)用于生成DataFrame的方法，但显示了两种从多个数据源生成DataFrame的方法。

效率较低：

>>> df = pd.DataFrame(columns=['A'])

>>> for i in range(5):

... df = df.append({'A': i}, ignore_index=True)

>>> df

A

0 0

1 1

2 2

3 3

4 4

更高效：

>>> pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)],

... ignore_index=True)

A

0 0

1 1

2 2

3 3

4 4