Главная » Pandas

Метод Pandas DataFrame append() в Python с примерами

Время чтения 5 мин.

Функция Pandas DataFrame append() объединяет строки с другим объектом DataFrame. Функция append() присутствует в библиотеке Pandas, которая является отличной библиотекой, которая позволяет пользователю эффективно и действенно выполнять анализ данных.

Содержание
  1. Что такое функция DataFrame append() в Pandas?
  2. Синтаксис
  3. Параметры
  4. Возвращаемое значение
  5. Примеры программ с DataFrame append()
  6. Повышение ValueError для повторяющихся индексов
  7. Добавление объектов DataFrame с несовпадающими столбцами
  8. Вставка и удаление строк в Pandas DataFrame
  9. Добавление строк в pd.DataFrame с использованием цикла for
  10. Заключение

Что такое функция DataFrame append() в Pandas?

Метод Pandas DataFrame append() используется в Python для добавления строк одного DataFrame в конец другого. После добавления он возвращает новый объект.

Функция append() не изменяет исходный DataFrame. Столбцы, отсутствующие в первом фрейме данных, добавляются во второй, а новые ячейки заполняются значением NaN. Функция DataFrame append() возвращает новый объект DataFrame и не изменяет исходные объекты. Вам нужно назначить обратно добавленный DataFrame.

Синтаксис

1
DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=None)

Параметры

Функция append() имеет следующие параметры:

  • other: это DataFrame или серия.
  • ignore_index: если этот параметр имеет значение true, то не используйте метки индекса.
  • verify_integrity: это также логическое значение, и по умолчанию оно равно false. Если это правда, он вызывает ValueError при создании индекса с дубликатами.
  • sort: сортирует все столбцы, если столбцы self и other не выровнены.

Возвращаемое значение

Функция df.append() возвращает добавленный DataFrame.

Примеры программ с DataFrame append()

  • Напишем программу, показывающую работу метода append() в Python.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import pandas as pd
 
data_set1 = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', '05'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}
 
data_set2 = {
    'Name': ['Karan', 'Rishu', 'Swetank', 'Rishabh', 'Shuvam'],
    'Roll no': ['06', '07', '08', '09', '10'],
    'maths': ['95', '62', '64', '14', '63'],
    'science': ['58', '59', '86', '74', '55'],
    'english': ['96', '77', '89', '42', '87']}
 
# Changing the above dictionary into dataframe
df1 = pd.DataFrame(data_set1)
df2 = pd.DataFrame(data_set2)
print("df1:\n", df1, "\n\ndf2:\n", df2)
print("\nAppended Dataframe:\n")
print(df1.append(df2))

Выход:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
df1:
     Name Roll no maths science english
0  Rohit      01    93      88      93
1  Mohit      02    63      55      74
2  Sohit      03    74      66      84
3   Arun      04    94      94      92
4  Shubh      05    83      35      87
 
df2:
       Name Roll no maths science english
0    Karan      06    95      58      96
1    Rishu      07    62      59      77
2  Swetank      08    64      86      89
3  Rishabh      09    14      74      42
4   Shuvam      10    63      55      87
 
Appended Dataframe:
 
      Name Roll no maths science english
0    Rohit      01    93      88      93
1    Mohit      02    63      55      74
2    Sohit      03    74      66      84
3     Arun      04    94      94      92
4    Shubh      05    83      35      87
0    Karan      06    95      58      96
1    Rishu      07    62      59      77
2  Swetank      08    64      86      89
3  Rishabh      09    14      74      42
4   Shuvam      10    63      55      87

В приведенном выше примере мы создали два фрейма данных. Затем мы использовали функцию append() для добавления данных обоих DataFrames, а затем распечатали объединенные данные.

  • Добавим данные двух таких фреймов данных, к которым добавлен фрейм данных с некоторыми значениями NaN.

1
2
3
4
5
6
7
import pandas as pd
 
dataframe1 = pd.DataFrame({"Col1": [1, 2, 3], "Col2": [4, 5, 6]})
dataframe2 = pd.DataFrame({"Col1": [1, 2, 3, 4], "Col2": [
                          5, 6, 7, 8], "Col3": [3, 5, 6, 7]})
dataframe3 = dataframe1.append(dataframe2, ignore_index=True, sort=False)
print(dataframe3)

Выход:

1
2
3
4
5
6
7
8
Col1  Col2  Col3
0     1     4   NaN
1     2     5   NaN
2     3     6   NaN
3     1     5   3.0
4     2     6   5.0
5     3     7   6.0
6     4     8   7.0

Здесь мы создали два фрейма данных. В первом DataFrame у нас есть 2 столбца, во втором 3 столбца.

Следовательно, когда мы добавляем, значения столбца 3 будут NaN для первых нескольких строк, поскольку значения для столбца 3 отсутствуют в первом фрейме данных.

Повышение ValueError для повторяющихся индексов

Мы можем передать verify_integrity=True, чтобы поднять ValueError, если в двух объектах DataFrame есть повторяющиеся индексы.

1
2
3
4
5
6
import pandas as pd
 
df1 = pd.DataFrame({'Name': ['Krunal', 'Ankit'], 'ID': [11, 21]})
df2 = pd.DataFrame({'Name': ['Niva', 'Mansi'], 'ID': [19, 46]})
 
df3 = df1.append(df2, verify_integrity=True)

Выход:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Traceback(most recent call last):
  File "app.py", line 6, in <module>
    df3 = df1.append(df2, verify_integrity=True)
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/frame.py", line 7081, in append
    return concat(
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/reshape/concat.py", line 271, in concat
    op = _Concatenator(
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/reshape/concat.py", line 452, in __init__
    self.new_axes = self._get_new_axes()
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/reshape/concat.py", line 515, in _get_new_axes
    return [
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/reshape/concat.py", line 516, in <listcomp>
    self._get_concat_axis() if i == self.axis else self._get_comb_axis(i)
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/reshape/concat.py", line 572, in _get_concat_axis
    self._maybe_check_integrity(concat_axis)
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/reshape/concat.py", line 580, in _maybe_check_integrity
    raise ValueError(
ValueError: Indexes have overlapping values: Int64Index([0, 1], dtype='int64')

В выводе видно ValueError: индексы имеют перекрывающиеся значения: Int64Index([0, 1], dtype=’int64′) был поднят.

Теперь давайте посмотрим на другой пример, где у нас нет повторяющихся индексов.

1
2
3
4
5
6
7
import pandas as pd
 
dataframe1 = pd.DataFrame({"Col1": [1, 2, 3], "Col2": [4, 5, 6]})
dataframe2 = pd.DataFrame({"Col1": [7, 8, 9], "Col2": [10, 11, 12]})
 
dataframe3 = dataframe1.append(dataframe2, ignore_index=True, sort=False)
print(dataframe3)

Выход:

1
2
3
4
5
6
7
     Col1  Col2
0     1     4
1     2     5
2     3     6
3     7    10
4     8    11
5     9    12

Вы можете видеть, что значения col1 и col2 объединены в dataframe3.

Добавление объектов DataFrame с несовпадающими столбцами

1
2
3
4
5
6
7
8
import pandas as pd
 
df1 = pd.DataFrame({'Name': ['Krunal', 'Simpson'], 'ID': [1, 2]})
df2 = pd.DataFrame({'Name': ['Krunal', 'Homer'], 'ID': [
                   3, 4], 'Role': ['MD', 'CTO']})
 
df3 = df1.append(df2, sort=False)
print(df3)

Выход:

1
2
3
4
5
Name  ID Role
0   Krunal   1  NaN
1  Simpson   2  NaN
0   Krunal   3   MD
1    Homer   4  CTO

Мы явно передаем параметр sort=False, чтобы избежать сортировки столбцов и игнорировать FutureWarning. Если вы не передадите параметр sort=False, выходные данные будут содержать следующее предупреждающее сообщение.

1
2
3
4
5
6
FutureWarning: Sorting because the non-concatenation axis is not aligned. A future version
of pandas will change to not sort by default.
 
To accept the future behavior, pass 'sort=False'.
 
To retain the current behavior and silence the warning, pass 'sort=True'.

Что если мы передаем sort=True.

1
2
3
4
5
6
7
8
import pandas as pd
 
df1 = pd.DataFrame({'Name': ['Krunal', 'Simpson'], 'ID': [1, 2]})
df2 = pd.DataFrame({'Name': ['Krunal', 'Homer'], 'ID': [
                   3, 4], 'Role': ['MD', 'CTO']})
 
df3 = df1.append(df2, sort=True)
print(df3)

Выход:

1
2
3
4
5
    ID    Name Role
0   1   Krunal  NaN
1   2  Simpson  NaN
0   3   Krunal   MD
1   4    Homer  CTO

Обратите внимание, что столбцы в результирующем объекте DataFrame отсортированы. Обратите внимание, что эта функция устарела и будет удалена из будущих выпусков.

Вставка и удаление строк в Pandas DataFrame

Как мы видели, вы можете добавить john в качестве новой строки в конец df с помощью метода .append().

Давайте создадим DataFrame и серию и добавим эту серию в DataFrame, используя метод append().

1
2
3
4
5
6
7
import pandas as pd
 
df = pd.DataFrame({'Name': ['Krunal', 'Simpson'], 'ID': [1, 2]})
series = pd.Series(data={'Name': 'Elsa', 'ID': 21})
 
df2 = df.append(series, ignore_index=True)
print(df2)

Выход:

1
2
3
4
      Name  ID
0   Krunal   1
1  Simpson   2
2     Elsa  21

Здесь .append() возвращает Pandas DataFrame с добавленной новой строкой. Обратите внимание, как Pandas использует атрибуты series.Name и series.ID, которые являются значениями Elsa и 21, чтобы указать метку для новой строки.

Вот и все. Мы добавили новую строку в DataFrame одним вызовом .append() и можем удалить ее одним вызовом .drop().

Добавление строк в pd.DataFrame с использованием цикла for

Добавление строк в pandas.DataFrame с помощью цикла for использует его для перебора списка строк, что в конечном итоге приводит к их добавлению в DataFrame.

Внутри цикла for:

  1. Объедините имена столбцов в качестве ключей с данными столбцов в качестве значений, используя zip(ключи, значения).
  2. Создайте словарь с заархивированным итератором, используя dict(zip).
  3. Сохраните созданный словарь в списке.

Затем добавьте список словарей с именем data в существующий DataFrame, используя pandas.Dataframe.append(data, ignore_index=None). Установите ignore_index как True, чтобы сохранить индексы DataFrame.

См. следующий код.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import pandas as pd
 
df = pd.DataFrame({'A': 1, 'B': 2, 'C': 3}, index=[0])
print(df)
 
columns = list(df)
data = []
 
for i in range(4, 10, 3):
    values = [i, i+1, i+2]
    zipped = zip(columns, values)
    a_dictionary = dict(zipped)
    data.append(a_dictionary)
 
print('After appending rows using for loop:')
df = df.append(data, True)
print(df)

Выход:

1
2
3
4
5
6
7
   A  B  C
0  1  2  3
After appending rows using for loop:
   A  B  C
0  1  2  3
1  4  5  6
2  7  8  9

В этом примере сначала мы создали DataFrame и распечатали его. Затем мы получили столбцы этого DataFrame, используя метод list(). И, наконец, я определил пустой список.

Внутри цикла for сначала мы создаем список из 3 значений, который увеличивается на 1. Затем мы создаем итератор, а затем преобразуем его в словарь с помощью метода dict(), а затем добавляем данные в список.

Затем я добавил эти данные с помощью функции df.append() в DataFrame. Вы можете видеть, что мы добавили строки с индексами 1 и 2. Мы добавили две строки в существующий DataFrame, используя функцию range(), цикл for, функцию zip(), функцию dict(), функцию list append() и функцию df.append().

Но этот подход не рекомендуется для добавления DataFrame, поскольку он занимает больше времени.

Заключение

Метод Pandas DataFrame append() в Python

В этом руководстве мы увидели, как добавить один DataFrame в другой, как добавить данные, строки и данные с помощью цикла for.

Оцените статью
К. Поляков

Автор статей и разработчик, делюсь знаниями.

Программирование на Python
Вам также будет полезно изучить
Как преобразовать DataFrame Pandas в список?
Метод Pandas DataFrame.set_index() в Python
Как изменить значения NaN на ноль в Pandas DataFrame
Метод Pandas DataFrame.groupby() — группировка данных