追加到 Pandas 中的空 DataFrame

Preet Sanghavi 2023年1月30日 2022年5月16日
  1. 在 Pandas 中建立一個空 DataFrame 並新增行和列
  2. 將行附加到具有 Pandas 列的空 DataFrame
  3. 使用 Pandas 中的 .loc() 函式建立一個空 DataFrame,包括帶有索引的列和附加行
追加到 Pandas 中的空 DataFrame

正如我們之前所瞭解的,Python 中的 Pandas 是一個開源模組,我們可以使用它進行資料分析和製作機器學習模型。它與另一個名為 Numpy 的包一起使用,因為它們攜手支援多維陣列。

許多資料科學模組可以與 Python 生態系統中的 Pandas 一起使用。我們將學習在 Pandas 中附加到空 DataFrame 的不同操作。

DataFrame 是表格形式的二維和潛在的異構資料。

本教程教授如何使用 Python 在 Pandas 的空 DataFrame 中新增行和列。我們將研究三種不同的方法來向空 DataFrame 新增資料,因為有多種方法。

在 Pandas 中建立一個空 DataFrame 並新增行和列

下面是匯入所需包、製作空 DataFrame 和附加列的程式碼。

# import pandas library as pd
import pandas as pd

# create an Empty DataFrame object
df = pd.DataFrame()
print(df)
# append columns to an empty DataFrame
df['Name'] = ['Preet', 'Parin', 'Rajesh']
df['Articles'] = [97, 600, 200]
df['Improved'] = [2200, 75, 100]

print(df)

上述程式碼片段的輸出如下。

Empty DataFrame
Columns: []
Index: []
	Name	Articles  Improved
0	Preet	97		  2200
1	Parin	600		  75
2	Rajesh 	200		  100

在我們新增列和行之前,DataFrame 是空的。因此,列印空 DataFrame 為我們提供了輸出 Empty DataFrame, Columns: [], Index: [] 作為輸出,這是預期的,因為資料為空。

將行附加到具有 Pandas 列的空 DataFrame

在這個方法中,DataFrame 是空的,但是會有預定義的列名,我們唯一的任務就是在它下面的行中插入資料。

下面是上述方法的程式碼,我們最初匯入庫 Pandas,建立一個包含列的 DataFrame,然後以行的形式附加值。

# import pandas library as pd
import pandas as pd

# create an Empty DataFrame
# object With column names only
df = pd.DataFrame(columns = ['Name', 'Articles', 'Improved'])
print(df)

# append rows to an empty DataFrame
df = df.append({'Name' : 'Preet', 'Articles' : 97, 'Improved' : 2200},
                ignore_index = True)
df = df.append({'Name' : 'Parin', 'Articles' : 30, 'Improved' : 50},
                ignore_index = True)
df = df.append({'Name' : 'Rajesh', 'Articles' : 17, 'Improved' : 220},
               ignore_index = True)
print(df)

該程式碼將為我們提供以下輸出。

Empty DataFrame
Columns: [Name, Articles, Improved]
Index: []
	Name	Articles  Improved
0	Preet	97		  2200
1	Parin	30	      50
2	Rajesh	17		  220

正如我們所看到的,由於我們已經在 DataFrame 中新增了列的名稱,因此輸出由 Columns: [Name, Articles, Improvement] 組成,它是陣列中的列名稱。

以下輸出是因為我們使用了 .append() 函式。

使用 Pandas 中的 .loc() 函式建立一個空 DataFrame,包括帶有索引的列和附加行

Pandas 中的 .loc() 方法可幫助使用者輕鬆地從 DataFrame 中檢索值,而不會帶來任何複雜性。可以根據函式中傳遞的索引值訪問特定行和列中的值。

在這種方法中,我們將建立一個空的 DataFrame 和列名。將使用索引來識別每一列來訪問它。

接下來我們將一個接一個地追加行。

下面給出了證明這種方法的程式碼。

# import pandas library as pd
import pandas as pd

# create an Empty DataFrame object With
# column names and indices
df = pd.DataFrame(columns = ['Name', 'Articles', 'Improved'],
                   index = ['a', 'b', 'c'])

print("Empty DataFrame With NaN values : \n\n", df)

# adding rows to an empty
# dataframe at existing index
df.loc['a'] = ['Preet', 50, 100]
df.loc['b'] = ['Parin', 60, 120]
df.loc['c'] = ['Rajesh', 30, 60]
print(df)

上面給出的程式碼的輸出如下。

Empty DataFrame With NaN values :

   Name  Articles  Improved
a  NaN      NaN      NaN
b  NaN      NaN      NaN
c  NaN      NaN      NaN
   Name  Articles  Improved
a  Preet	50		 100
b  Parin	60	     120
c  Rajesh	30		 60

正如我們所觀察到的,第一個表中的 NaN 值是因為我們提到了索引,但這些值仍然為空。

提供索引的數量會將表繫結到該特定例項的那麼多值。增加索引的數量允許插入更多的值。

因此,在本教程中,我們學習了在 Pandas 中將值附加到 DataFrame 的三種不同方法。

Preet Sanghavi avatar Preet Sanghavi avatar

Preet writes his thoughts about programming in a simplified manner to help others learn better. With thorough research, his articles offer descriptive and easy to understand solutions.

LinkedIn GitHub

相關文章 - Pandas DataFrame