Pandas 添加行到 dataframe

Question

我正在尝试向我的数据框添加更多行或记录，假设它看起来像这样：

ID   age   
44   23
31   25 

我有一个 CSV 文件存储在另一个没有标题的数据框中

33   55
22   23
29   22

现在我想要一个看起来像这样的新数据框

ID   age   
44   23
31   25 
33   55
22   23
29   22

我试过使用 append 和 concat 但我没有得到我想要的结果

Answer 1

假设df1 / df2 ，可以使用set_axis复制第一个 DataFrame 的轴，然后concat ：

out = pd.concat([df1, df2.set_axis(df1.columns, axis=1)], ignore_index=True)

output：

   ID  age
0  44   23
1  31   25
2  33   55
3  22   23
4  29   22

注意。 ignore_index=True是可选的，这只是为了避免重复索引。 没有它：

   ID  age
0  44   23
1  31   25
0  33   55
1  22   23
2  29   22

Answer 2

Dataframe 具有轴（索引）--行索引（轴=0）--列索引（轴=1）。 Pandas 提供各种便利，可轻松组合系列 DataFrame。

pd.concat(objs, axis=0, join='outer', join_axes=None,ignore_index=False) 

      

• objs - 这是 Series、DataFrame 或 Panel 对象的序列或映射。

• axis - {0, 1, ...}，默认为 0。这是要连接的轴。

• join - {'inner', 'outer'}，默认为'outer'。 如何处理其他轴上的索引。 外部用于联合，内部用于交叉。

• ignore_index - boolean，默认为 False。 如果为 True，则不要使用连接轴上的索引值。 结果轴将标记为 0, ..., n - 1。

• join_axes - 这是索引对象的列表。 用于其他 (n-1) 轴的特定索引，而不是执行内部/外部集逻辑。

con = pd.concat([df1, df2]) # If column names are the same.
con = pd.concat([df1, df2], axis="columns") 

如果数据集之间的索引相同。 如果它们不同，默认情况下还会添加额外的索引（行），并填充 NaN 值。

两个 DataFrame 可能包含有关同一实体的不同类型的信息，并通过一些共同的特征/列链接。 为了加入这些 DataFrame，pandas 提供了多种函数，如 merge()、join() 等。
如果您有 SQL 背景，那么您可以使用 JOIN 语法中的合并操作名称。 您可以使用完全外连接、内连接、右连接、左连接、索引连接。

Answer 3

import pandas as pd

# Your first df will be ‘df’

df_2 = pd.dataframe({“Id”: [33, 22, 29], “Age”: [55, 23, 22]})

df = df.append(df_2, ignore_index=True)

Answer 4

您可以使用它，如果需要，可以使用 ignore_index。

output = pd.concat([df1, df2.set_axis(df1['columns'], axis=1)])