In diesem Artikel erfahren Sie, wie Sie einem vorhandenen Datenrahmen eine neue Wertezeile hinzufügen. Dies kann verwendet werden, wenn wir einen neuen Eintrag in unsere Daten einfügen möchten, den wir möglicherweise zuvor nicht hinzugefügt haben. Um dies zu erreichen, gibt es unterschiedliche Methoden.
Sehen wir uns nun anhand von Beispielen an, wie wir dies tun können
String-Builder
Beispiel 1:
Wir können eine einzelne Zeile hinzufügen mit DataFrame.loc . Wir können die Zeile am letzten in unserem Datenrahmen hinzufügen. Mit len(DataFrame.index) können wir die Anzahl der Zeilen ermitteln, um die Position zu bestimmen, an der wir die neue Zeile hinzufügen müssen.
Python from IPython.display import display, HTML import pandas as pd from numpy.random import randint dict = {'Name':['Martha', 'Tim', 'Rob', 'Georgia'], 'Maths':[87, 91, 97, 95], 'Science':[83, 99, 84, 76] } df = pd.DataFrame(dict) display(df) df.loc[len(df.index)] = ['Amy', 89, 93] display(df)> Ausgabe:
Beispiel 2:
Wir können auch eine neue Zeile hinzufügen, indem wir verwenden DataFrame.append() Funktion
Python from IPython.display import display, HTML import pandas as pd import numpy as np dict = {'Name':['Martha', 'Tim', 'Rob', 'Georgia'], 'Maths':[87, 91, 97, 95], 'Science':[83, 99, 84, 76] } df = pd.DataFrame(dict) display(df) df2 = {'Name': 'Amy', 'Maths': 89, 'Science': 93} df = df._append(df2, ignore_index = True) display(df) # This code is modified by Susobhan Akhuli> Ausgabe:
Java-Arrayliste
Beispiel 3:
Wir können mit dem auch mehrere Zeilen hinzufügen pandas.concat() indem wir einen neuen Datenrahmen aller Zeilen erstellen, die wir hinzufügen müssen, und diesen Datenrahmen dann an den ursprünglichen Datenrahmen anhängen.
Python from IPython.display import display, HTML import pandas as pd import numpy as np dict = {'Name':['Martha', 'Tim', 'Rob', 'Georgia'], 'Maths':[87, 91, 97, 95], 'Science':[83, 99, 84, 76] } df1 = pd.DataFrame(dict) display(df1) dict = {'Name':['Amy', 'Maddy'], 'Maths':[89, 90], 'Science':[93, 81] } df2 = pd.DataFrame(dict) display(df2) df3 = pd.concat([df1, df2], ignore_index = True) df3.reset_index() display(df3)> Ausgabe:
