Pandas Append Row
Syntax:
# DataFrame.append (andere, ignore_index = false, verify_integrity = false, sort = none)
Beispiel 1:
Die Software, die wir hier verwenden, um diesen "Pandas" -Coder auszuführen, ist die "Spyder" -Software ist. In dieser „Spyder“ -Software beginnen wir einige Codes, indem wir mit dem Schlüsselwort „Import“ beginnen, das beim Importieren der „Pandas als PD“ hilft, die importieren. Jetzt erhalten wir die Methoden von „Pandas“, indem wir die „PD“ platzieren. Jetzt erstellen wir zwei Datenrahmen separat. Daher fügen wir beide Datenrahmen hinzu und erhalten einen neuen Datenrahmen.
Zuerst erstellen wir ein Wörterbuch und konvertieren es dann in den Datenrahmen. Das Wörterbuch, das wir hier erstellen, heißt "P_Dealer1" und enthält drei Spalten darin. Wir geben das "s_no" als Name der ersten Spalte, in der "P11, P12, P13, P14 und P15" enthalten sind. Die andere Spalte, die wir haben, heißt "Ehre". Dann setzen Sie "Smith, Joseph, William, Samuel und Rick" hier. Die letzte Kolumne „Käufer“ enthält „Peter, James, Olivia, Leo und Bills“. Hier ist das erste Wörterbuch fertig.
Wir generieren den Namen des zweiten Datenrahmens "P_Dealer2". Es enthält auch drei Spalten. Die erste Spalte ist mit "s_no" gekennzeichnet und enthält die Werte "P16, P17, S. 18 und P19". Setzen Sie "Noah, Mishi, Taylor und Robert" in die Kolumne "Ehre". In der anderen haben wir "George, Samuel, Verbündete und Peter", das in der letzten Kolumne "Käufer" vertreten ist. Zwei Wörterbücher sind hier abgeschlossen. Wir müssen auch beide Wörterbücher in die Datenrahmen konvertieren. In der folgenden Abbildung konvertieren wir sie getrennt in den Datenrahmen und drucken beide Datenrahmen. Sie sehen zwei Datenrahmen im Ergebnis dieses Code.
Wenn wir die Ausgabe unserer Codes in „Spyder“ abgeben, haben wir zwei Methoden zu verwenden. Einer von ihnen ist, "Shift + Enter" zu drücken, und der andere ist, die Taste "Ausführen" dieses Tools zu drücken. Dieses Ergebnis wird am Terminal von „Spyder“ auftreten. Es gibt zwei Datenrahmen, die in dieser Ausgabe erscheinen. Jetzt wenden wir die Methode „Append“ an und fügen beide Datenrahmen in einem einzigen Datenrahmen an und rendern den neuen Datenrahmen, der beide Datenfaktoren nach Anhänge enthält.
Wir fügen diese Zeile hinzu, die in der folgenden Abbildung angezeigt wird, in der wir die Methode „append ()“ verwendet haben. Wir legen den Namen des ersten Datenrahmens fest. Dann haben wir die Methode "append ()". In der Methode „append ()“ fügen wir den "p_dealer2" ein, der der zweite Datenrahmen ist. Dadurch werden beide DataFrames angehängt und speichern sie im "Final_Dealer" als einzelner Datenrahmen.
Der hier angezeigte Datenrahmen enthält alle Daten des ersten und zweiten Datenrahmens. Beachten Sie, dass die Indexwerte in beiden Datenrahmen übereinstimmen wie wir.
Beispiel 2:
Jetzt erstellen wir zwei Datenrahmen, die einige Obst- und Gemüsenamen enthalten. Das "Food1" ist das erste Wörterbuch hier mit zwei Spalten, "fr_name" bzw. "veg_name". Wir fügen die "Guava, Trauben, Maulbeer, Pfirsich" in den "fr_name" ein. Und fügen Sie auch den "Radieschen, Knoblauch, Erbse und Rote Beete" in den "veg_name" ein. Das hier aufgeführte zweite Wörterbuch ist „Food2“ mit zwei Spalten. Wir fügen auch die "Feigen, Orange, Litschi und Kiwi" dem "fr_name" sowie "Kohl, Radieschen, Koriander und Münz" zum "VEG_NAME" hinzu.
Wir erstellen beide Wörterbücher und erstellen die Datenrahmen beider Wörterbücher. Wir zeigen den ersten DataFrame und dann den zweiten Datenrahmen nach dem anderen an. Anschließend setzen wir die Funktion „append ()“ ein, um beide Datenrahmen anzuhängen. Wir setzen auch den "ignore_index" und passen ihn an "wahr" an. Es ignoriert die Indexwerte der beiden vorherigen Datenrahmen und generiert einen neuen Indexwert, nachdem die Daten beider Datenframes angewendet wurden. Wir zeigen auch den Datenrahmen an, den wir nach der Anhänge mit der Funktion „print ()“ erhalten.
Erstens macht es beide Datenrahmen separat. Anschließend werden sowohl Datenfräsern als auch den vollständigen neuen Datenfream angezeigt, nachdem beide Datenframes angewendet wurden. Hier ignoriert es die Indizes der beiden vorherigen Datenrahmen und generiert den neuen Indexwert, nachdem beide Datenfaktoren angewendet wurden.
Beispiel 3:
Wir erstellen die Datenrahmen der verschiedenen Formen hier. Dann fügen wir diese Datenrahmen hinzu, die in Formen unterschiedlich sind. Wir erstellen hier einen Datenrahmen, indem wir das Wörterbuch verwenden, das drei verschiedene Spalten enthält. Wir nennen diese Spalten "A1, B1, C1" und fügten "1, 3, 5, 7" zu "A1", "2, 4, 6, 8" zu "B1" und "11, 12, 13, 14) hinzu ”Zu„ C1 “. Dann kommt der nächste DataFrame mit dem Namen "Data2" mit vier Spalten. Diese Spalten sind "A1, B1, C1 und D1". Wir fügen in "B1", "1, 5, 4" in "C1" und "8, 9, 10" in "D1 ”. Wir drucken diese beiden Datenrahmen separat und fügen beide Datenrahmen der verschiedenen Formen an, indem wir die Funktion „append ()“ verwenden.
Hier ist die Anzahl der Spalten beider DataFrames unterschiedlich. Wenn die Anzahl der Spalten im Datenrahmen nicht gleich ist, werden NAN -Werte verwendet, um leere Räume in einem der Datenrahmen auszufüllen. Wir speichern den Datenrahmen, der erstellt wird, nachdem die Funktion „append ()“ in der Variablen „Daten“ verwendet wurde. Dann setzen wir die Variable in die Anweisung „Print ()“ ein, die auf dem Terminal angezeigt wird.
Der Datenrahmen, den wir nach dem Anhängen erhalten, zeigt in der Spalte „D1“ „Nan“, da es in der Spalte, wenn es keinen Wert gibt, "Nan" angezeigt wird, "Nan" zeigt, dass „Nan“ angezeigt wird, wenn es keinen Wert gibt. Da beide Datenrahmen, die wir hier angehängt haben, eine andere Anzahl von Spalten enthalten, zeigt der resultierende Datenrahmen „Nan“ an.
Beispiel 4:
In diesem Code fügen wir eine Zeile an den DataFrame hinzu. Dafür erstellen wir ein "Record_Std" -Dictionary mit drei Spalten. Die Spalte "std_name" ist die erste Spalte hier, die die Namen der Schüler enthält, die wir haben. Diese Namen sind "Noah", "George", "Robert", "Samuel" und "Taylor". Die "O_Marks" ist die zweite Spalte hier mit den erhaltenen Markierungen der Schüler als "42, 32, 57, 78 und 81". Dann kommt die Spalten "p_marks" und wir fügen "55, 69, 53, 46 und 92" hinzu. Dieses "Record_Std" -Dictionary wird nicht in den Datenfarm umgewandelt und angezeigt.
Hier ist der Datenrahmen, den wir erstellt haben. Jetzt möchten wir diesem Datenrahmen eine neue Zeile hinzufügen, indem wir die Funktion „append ()“ verwenden. Versuchen wir, die Funktion „append ()“ zum Hinzufügen einer Zeile zu verwenden.
Zunächst deklarieren wir eine Variable "new_row" und setzen einige Daten fest, die wir als neue Zeile hinzufügen möchten. In der Spalte "std_name" möchten wir "Henry" hinzufügen. In "O_Marks" setzen wir "43". Und in "p_marks" fügen wir "33" ein,. Die Zeilendaten sind hier abgeschlossen. Anschließend verwenden wir die Funktion „append ()“ und fügen diese Zeile an den Datenrahmen hinzu, den wir zuvor erstellt haben, und ignorieren die Indexwerte.
Die letzte Zeile wird hier in den vorhandenen Datenrahmen eingefügt, den wir auch zuvor gemacht haben. Diese Zeile wird mit Hilfe der Methode „append ()“ hinzugefügt.
Abschluss
In diesem Leitfaden haben wir die Verwendung der „append ()“ -Methode in „Pandas“ ausführlich erläutert. Unter Verwendung der Funktion "append ()" haben wir 4 Anwendungsfälle zum Hinzufügen der Datenrahmen sowie zum Hinzufügen einer Zeile zum Ende des aktuellen DataFrame () untersucht. Wir haben diskutiert, dass die Methode „append ()“ eine der beliebtesten Strategien für das Zusammenführen der Daten in der Datenvorverarbeitung ist. Die Methode „append ()“ selbst ist ziemlich einfach zu bewerben. Nach einer gründlichen Untersuchung dieses Leitfadens hoffe ich, dass Sie dieses Methodenkonzept „append ()“ erhalten.