DataFrame增加行与列

一、背景

DataFrame中有时需要加入行与列，需要加入的行与列格式是多种多样的，可能是DataFrame、Series、list、dict等形式。
不同形式也需要不同的方法。

 

• windos系统
• Python版本  python3.11.8

 

二、加入行

2.1 建一个空的DataFrame

import pandas as pd
df = pd.DataFrame(columns=['name','age' ,'weight'])
print(df)

 

2.2  通过_append加入

 

import pandas as pd
df = pd.DataFrame(columns=['name','age' ,'weight'])
# print(df)



# 通过append加入，app默认加入到最后位置
dict_1 = {'name': '钱五一', 'weight': 61, 'age': 51}          # 顺序可以打乱
df = df._append(dict_1,ignore_index=True)
# print(df)

list_1 = ['钱五四', 54, 64]
Series_1 = pd.Series(['钱五二', 52, 62])
Series_2 = pd.Series(['钱五三', 53, 63], index=['name', 'weight', 'age'])

df = df._append(list_1, ignore_index=True)
df = df._append(Series_1, ignore_index=True)
df = df._append(Series_2, ignore_index=True)

print(df)

 

 

 

通过_append中加入需要主要的点：

• _append是从现有的df的后面插入
• 通过dict与Series格式需要指定索引
• list与Series如果不指定索引，则出现的结果不是我们想要的。
• 可以将另外一个df插入到df中，注意索引。

 

2.3 通过loc插入数据

import pandas as pd
df = pd.DataFrame(columns=['name','age' ,'weight'])
# print(df)


dict_1 = {'name': '钱五一', 'weight': 61, 'age': 51}          # 顺序可以打乱
Series_1 = pd.Series(['钱五二', 52, 62])
Series_2 = pd.Series(['钱五三', 53, 63], index=['name', 'weight', 'age'])
list_1 = ['钱五四', 54, 64]

data = {'name':["张三", "李四", "王二"], 'age':[30, 40, 20], "weight": [50, 60 , 70]}
df2 = pd.DataFrame(data=data)

df.loc[len(df)] = dict_1
df.loc[len(df)] = Series_1
df.loc[len(df)] = Series_2
df.loc[len(df)] = list_1
print(df)
print("*"*20)

df.loc[0] = list_1
print(df)

 

•  通过loc进行插入，没有对应的数据则增加，又对应的数据则替换
•  插入的类型如果为Series,dict需要指定索引，List无需指定索引
• 一般一次只插入一行

 

2.3 通过concat插入。

import pandas as pd
df = pd.DataFrame(columns=['name','age' ,'weight'])
# print(df)

data = {'name':["张三", "李四", "王二"], 'age':[30, 40, 20], "weight": [50, 60 , 70]}
df2 = pd.DataFrame(data=data)
df = pd.concat(objs=[df,df2], ignore_index=True)
print(df)

• 通过concat可以拼接两个DataFrame

 

三、加入列

3.1 通过映射加入相关列

import pandas as pd

data = {'name':["张三", "李四", "王二"], 'age':[30, 40, 20], "weight": [50, 60 , 70]}
df = pd.DataFrame(data=data)

def get_x(weight):
    return weight*2


df["w2"] =  df['weight'].map(get_x)
df['a2'] = df['age']*2
df['wa'] = df['weight']+df['age']
print(df)

 

 

3.2 通过insert加入列与调整列的位置

import pandas as pd

data = {'name':["张三", "李四", "王二"], 'age':[30, 40, 20], "weight": [50, 60 , 70]}
df = pd.DataFrame(data=data)

def get_x(weight):
    return weight*2


# 移动列的位置
def move_column(df, cn, cp):
    # 定义移动的列
    m_column = df.pop(cn)
    # 关键代码(位置, 列名, 要移动的列)
    df.insert(cp, cn, m_column)


df["w2"] =  df['weight'].map(get_x)
df['a2'] = df['age']*2
df['wa'] = df['weight']+df['age']

# df.insert(1, 'insert',[10, 20, 30])
df.insert(loc=1, column='insert',value =[10, 20, 30])
print(df)
print('*'*50)

move_column(df, cn='age', cp=1)
print(df)

 

 

 3.3 通过map与apply

import pandas as pd

data = {'name':["张三", "李四", "王二"], 'age':[30, 40, 20], "weight": [50, 60 , 70]}
df = pd.DataFrame(data=data)



def get_x(age):
    return age/2


def get_y(age, n):
    y = age+n
    return y


def get_z(age, weight):
    z = weight / age / age
    return z



# map    用来处理Series,
df['x1'] = df['age'].map(get_x)


age_dict = {30:15, 40:20, 20:10}
df['x2'] = df['age'].map(age_dict)



# apply   用来处理Series和DataFrame
# 从某一列中取数
df['x'] = df['age'].apply(lambda x : get_x(x) )

# 从某一列中取数，并增加一个参数
df['y'] = df['age'].apply(lambda x : get_y(x, 10))

# 从两列中取数
df['z'] = df.apply(lambda row: get_z(row['age'], row['weight']) if row['age'] > 20 else '', axis=1)

print(df)