如何在 Pandas DataFrame 中新增一行
Asad Riaz
2023年1月30日
2020年3月28日
Pandas 旨在載入一個完全填充的 DataFrame。我們可以在 pandas.DataFrame 中一一新增。這可以通過使用各種方法來完成，例如 .loc，字典，pandas.concat() 或 DataFrame.append()。
使用 .loc [index] 方法將行新增到帶有列表的 Pandas DataFrame 中
loc[index] 會將新列表作為新行，並將其新增到 pandas.dataframe 的索引 index 中。
考慮以下程式碼：
# python 3.x
import pandas as pd
# List of Tuples
fruit_list = [ ('Orange', 34, 'Yes' )]
#Create a DataFrame object
df = pd.DataFrame(fruit_list, columns = ['Name' , 'Price', 'Stock'])
#Add new ROW
df.loc[1]=[ 'Mango', 4, 'No' ]
df.loc[2]=[ 'Apple', 14, 'Yes' ]
print(df)
結果：
Name Price Stock
0 Orange 34 Yes
1 Mango 4 No
2 Apple 14 Yes
將字典作為行新增到 Pandas DataFrame
append() 可以直接將字典中的鍵值作為一行，將其新增到 pandas dataframe 中。
考慮以下程式碼：
# python 3.x
import pandas as pd
# List of Tuples
fruit_list = [ ('Orange', 34, 'Yes' )]
#Create a DataFrame object
df = pd.DataFrame(fruit_list, columns = ['Name' , 'Price', 'Stock'])
#Add new ROW
df=df.append({'Name' : 'Apple' , 'Price' : 23, 'Stock' : 'No'} , ignore_index=True)
df=df.append({'Name' : 'Mango' , 'Price' : 13, 'Stock' : 'Yes'} , ignore_index=True)
print(df)
結果：
Name Price Stock
0 Orange 34 Yes
1 Apple 23 No
2 Mango 13 Yes
Dataframe .append 方法新增一行
.append 可用於將其他 DataFrame 的行追加到原始 DataFrame 的末尾，並返回一個新的 DataFrame。來自新 DataFrame 的列（不在原始 datafarme 中）也新增到現有的 DataFrame 中，新的單元格值填充為 NaN。
考慮以下程式碼：
# python 3.x
import pandas as pd
# List of Tuples
fruit_list = [ ('Orange', 34, 'Yes' )]
#Create a DataFrame object
df = pd.DataFrame(fruit_list, columns = ['Name' , 'Price', 'Stock'])
print("Original DataFrame:")
print(df)
print('.............................')
print('.............................')
new_fruit_list = [ ('Apple', 34, 'Yes','small' )]
dfNew=pd.DataFrame(new_fruit_list, columns = ['Name' , 'Price', 'Stock','Type'])
print("Newly Created DataFrame:")
print(dfNew)
print('.............................')
print('.............................')
#append one dataframe to othher
df=df.append(dfNew,ignore_index=True)
print("Copying DataFrame to orignal...")
print(df)
ignore_index = True 將忽略新 DataFrame 的 index 並從原始 DataFrame 為其分配新索引。
輸出：
Original DataFrame:
Name Price Stock
0 Orange 34 Yes
.............................
.............................
Newly Created DataFrame:
Name Price Stock Type
0 Apple 34 Yes small
.............................
.............................
Copying DataFrame to original..:
Name Price Stock Type
0 Orange 34 Yes NaN
1 Apple 34 Yes small