Pandas append fila

El excelente entorno de Python de los módulos centrados en datos lo convierte en un lenguaje maravilloso para realizar un análisis de datos. Con una de esas herramientas, Pandas simplifica enormemente el proceso de importación y análisis de los datos. Pandas proporciona muchas funciones que hacen que nuestro trabajo sea más fácil y donde podemos hacer mucho trabajo en poco tiempo. Uno de ellos es el método "append ()" que proporciona Pandas. La función append () agrega dos marcos de datos diferentes y agrega la fila al marco de datos al final de la corriente y genera un nuevo marco de datos en el proceso. Aquí, discutimos el método "pandas append ()" en detalle.También ejecutamos algunos códigos donde utilizamos este método y mostramos su trabajo por ejemplos prácticos en esta guía.

Sintaxis:

# Marco de datos.append (otro, ignore_index = false, verify_integrity = false, sort = none)

Ejemplo 1:

El software que usamos aquí para realizar este código "pandas" es el software "Spyder". En este software "Spyder", hacemos algunos códigos comenzando con la palabra clave "importar" que ayuda a importar los "Pandas como PD". Ahora, obtenemos los métodos de "pandas" colocando el "PD". Ahora, creamos dos marcos de datos por separado. Entonces, agregamos ambos marcos de datos y obtenemos un nuevo marcado de datos.

Primero, creamos un diccionario y luego lo convertimos en DataFrame. El diccionario que creamos aquí se llama "P_dealer1" y tiene tres columnas en él. Le damos el "S_no" como el nombre de la primera columna que tiene "P11, P12, P13, P14 y P15". La otra columna que tenemos se llama "Honor". Luego, ponga "Smith, Joseph, William, Samuel y Rick" aquí. La última columna "Comprador" contiene "Peter, James, Olivia, Leo y Bills". Aquí, el primer diccionario se completa y avanzamos con la creación del otro diccionario.

Generamos el nombre del segundo marco de datos "P_dealer2". También contiene tres columnas. La primera columna está etiquetada como "S_NO" y contiene los valores "P16, P17, P 18 y P19". Poner "Noah, Mishi, Taylor y Robert" en la columna "Honor". En el otro, tenemos "George, Samuel, Aliados y Peter" que está representado en la columna final, "Comprador". Dos diccionarios se completan aquí. También necesitamos convertir ambos diccionarios a los marcos de datos. En la siguiente ilustración, los convertimos por separado en DataFrame e imprimimos ambos marcos de datos. Verá dos marcos de datos en el resultado de este código.

Cuando representamos la salida de nuestros códigos en "Spyder", tenemos dos métodos para usar. Uno de ellos es presionar "Shift + Enter" y el otro es presionar el botón "Ejecutar" de esta herramienta. Este resultado se presentará en la terminal de "Spyder". Hay dos marcos de datos que aparecen en esta salida. Ahora, aplicamos el método de "agregar" y agregamos ambos marcos de datos en un solo marco de datos y representamos el nuevo marcado de datos que contiene ambos marcos de datos después de agregar.

Agregamos esta línea que se muestra en la siguiente ilustración en la que utilizamos el método "append ()". Colocamos el nombre del primer marco de datos. Luego, tenemos el método "append ()". En el método "append ()", insertamos el "p_dealer2" que es el segundo marco de datos. Esto agrega tanto Dataframes y almacenarlos en el "Final_Dealer" como un solo marco de datos.

DataFrame que se muestra aquí contiene todos los datos del primer y segundo DataFrames. Tenga en cuenta que los valores de índice son los mismos que en ambos marcos de datos.

Ejemplo 2:

Ahora, creamos dos marcos de datos que contienen algunos nombres de frutas y verduras. El "Food1" es el primer diccionario aquí con dos columnas, "fr_name" y "veg_name", respectivamente. Insertamos la "guayaba, uvas, morera, durazno" en el "fr_name". E inserte también el "rábano, ajo, guisante y remolacha" al "VEG_NAME". El segundo diccionario enumerado aquí es "Food2" que tiene dos columnas. También agregamos el "Fig, Orange, Lychee y Kiwi" al "fr_name", así como "repollo, rábano, cilantro y menta" al "Veg_name".

Creamos ambos diccionarios y hacemos los marcos de datos de ambos diccionarios. Mostramos el primer DataFrame y luego el segundo DataFrame, uno tras otro. Luego colocamos la función "append ()" para agregar ambos marcos de datos aquí. También colocamos el "ignore_index" y lo ajustamos a "verdadero". Ignora los valores de índice de los dos marcos de datos anteriores y genera un nuevo valor de índice después de agregar los datos de ambos marcos de datos. También mostramos el marco de datos que obtenemos después de agregar utilizando la función "print ()".

Primero, hace que los marcos de datos sean por separado. Luego, agrega ambos marcos de datos y muestra el nuevo cuadro de datos completo después de agregar ambos marcos de datos. Aquí, ignora los índices de los dos marcos de datos anteriores y genera el nuevo valor de índice después de agregar ambos marcos de datos.

Ejemplo 3:

Creamos los marcos de datos de las diferentes formas aquí. Luego, agregamos estos marcos de datos que son diferentes en formas. Creamos un marco de datos aquí utilizando el diccionario que contiene tres columnas diferentes. Nombramos esas columnas "A1, B1, C1" y agregamos "1, 3, 5, 7" a "A1", "2, 4, 6, 8" a "B1" y "11, 12, 13, 14 "A" C1 ", respectivamente. Luego viene el siguiente marco de datos llamado "data2" con cuatro columnas. Estas columnas son "A1, B1, C1 y D1". Agregamos "1, 2, 3" en "A1", "5, 6, 7" en "B1", "1, 5, 4" en "C1" y también "8, 9, 10" en "D1 ". Imprimimos estos dos marcos de datos por separado y agregamos ambos marcos de datos de las diferentes formas utilizando la función "append ()".

Aquí, el número de columnas de ambos marcos de datos es diferente. Cuando el número de columnas en DataFrame no es igual, los valores de NAN se utilizan para completar cualquier espacio vacío en uno de los marcos de datos. Guardamos el cuadro de datos que se crea después de utilizar la función "append ()" en la variable "Datos". Luego, colocamos la variable en la instrucción "print ()" que se muestra en el terminal.

El marco de datos que obtenemos después de agregar muestra "nan" en la columna "d1" porque cuando no hay valor en la columna, muestra "nan". Como ambos marcos de datos que agregamos aquí contienen un número diferente de columnas, el DataFrame resultante muestra "NAN".

Ejemplo 4:

En este código, agregamos una fila a DataFrame. Para esto, generamos un diccionario "Record_std" con tres columnas. La columna "std_name" es la primera columna aquí que contiene los nombres de los estudiantes que tenemos. Estos nombres son "Noah", "George", "Robert", "Samuel" y "Taylor". El "O_Marks" es la segunda columna aquí con las marcas obtenidas de los estudiantes como "42, 32, 57, 78 y 81". Luego vienen las columnas "P_Marks" y agregamos "55, 69, 53, 46 y 92". Este diccionario "Record_std" no se convierte en DataFarme y se muestra.

Aquí está el DataFrame que creamos. Ahora, queremos agregar una nueva fila a este DataFrame utilizando la función "append ()". Intentemos utilizar la función "append ()" para agregar una fila.

Primero, declaramos una variable "new_row" y establecemos algunos datos que queremos agregar como una nueva fila. En la columna "std_name", queremos agregar "Henry". En "O_Marks", establecemos "43". Y en "P_marks", insertamos "33". Los datos de la fila se completan aquí. Luego, utilizamos la función "append ()" y agregamos esta fila al marco de datos que creamos e ignoramos anteriormente los valores de índice.

La última fila se inserta aquí en el marco de datos existente que también representamos anteriormente. Esta fila se agrega con la ayuda del método "append ()".

Conclusión

En esta guía, explicamos el uso del método "append ()" en "pandas" en detalle profundo. Usando la función PANDAS "append ()", examinamos 4 casos de uso para agregar DataFrames y agregar una fila al final del DataFrame actual (). Discutimos que el método "append ()" es una de las estrategias más populares para fusionar los datos en el preprocesamiento de datos. El método "append ()" en sí es bastante simple de aplicar. Después de un estudio exhaustivo de esta guía, espero que obtenga este concepto de método "append ()".