Pandas Ajout Row
Syntaxe:
# Trame de données.APPEND (Autre, ignore_index = false, Verify_Integrity = false, tri = Aucun)
Exemple 1:
Le logiciel que nous utilisons ici pour effectuer ce code «pandas» est le logiciel «Spyder». Dans ce logiciel «Spyder», nous faisons des codes en commençant par le mot-clé «Importer» qui aide à importer les «Pandas en tant que PD». Maintenant, nous obtenons les méthodes de «pandas» en plaçant le «PD». Maintenant, nous créons deux dataframes séparément. Ainsi, nous ajoutons les deux dataframes et obtenons un nouveau DataFrame.
Tout d'abord, nous créons un dictionnaire, puis les convertissons en DataFrame. Le dictionnaire que nous créons ici est nommé «p_dealer1» et contient trois colonnes. Nous donnons le «S_NO» comme nom de la première colonne qui contient «P11, P12, P13, P14 et P15». L'autre colonne que nous avons est nommée «Honor». Ensuite, mettez "Smith, Joseph, William, Samuel et Rick" ici. La dernière colonne «acheteur» contient «Peter, James, Olivia, Leo et Bills». Ici, le premier dictionnaire est terminé et nous allons de l'avant avec la création de l'autre dictionnaire.
Nous générons le nom du deuxième dataframe «p_dealer2». Il contient également trois colonnes. La première colonne est étiquetée «S_NO» et contient les valeurs «p16, p17, p 18 et p19». Mettez «Noah, Mishi, Taylor et Robert» dans la colonne «Honor». Dans l'autre, nous avons «George, Samuel, Alliés et Peter» qui est représenté dans la dernière colonne, «Acheteur». Deux dictionnaires sont terminés ici. Nous devons également convertir les deux dictionnaires en dataframes. Dans l'illustration suivante, nous les convertissons séparément en DataFrame et imprimons les deux dataframes. Vous verrez deux dataframes dans le résultat de ce code.
Lorsque nous rendons la sortie de nos codes dans «Spyder», nous avons deux méthodes à utiliser. L'un d'eux est d'appuyer sur «Shift + Entrée» et l'autre consiste à appuyer sur le bouton «Exécuter» de cet outil. Ce résultat rendra sur le terminal de «Spyder». Il y a deux dataframes qui apparaissent dans cette sortie. Maintenant, nous appliquons la méthode «ajouter» et ajoutez les deux dataframes dans un seulframe de données et rendons le nouveau dataframe qui contient les deux dataframes après.
Nous ajoutons cette ligne qui est indiquée dans l'illustration suivante dans laquelle nous avons utilisé la méthode «annex ()». Nous plaçons le nom du premier DataFrame. Ensuite, nous avons la méthode «APPEND ()». Dans la méthode "APPEND ()", nous insérons le "P_Dealer2" qui est le deuxième DataFrame. Cela ajoute à la fois des dataframes et les stockent dans le «final_dealeer» en tant que DataFrame unique.
Le DataFrame qui est affiché ici contient toutes les données des premier et deuxième DataFrames. Notez que les valeurs d'index sont les mêmes que nous avons dans les deux dataframes.
Exemple 2:
Maintenant, nous créons deuxfrèmes de données qui contiennent des noms de fruits et légumes. Le «Food1» est le premier dictionnaire ici avec deux colonnes, «Fr_Name» et «Veg_name», respectivement. Nous insérons la «goyave, raisins, mûrier, pêche» au «fr_name». Et insérer également le «radis, l'ail, le pois et la betterave» au «végétal_name». Le deuxième dictionnaire répertorié ici est «Food2» qui a deux colonnes. Nous ajoutons également la «Fig, Orange, Lychee et Kiwi» au «FR_NAME» ainsi que «Cabbage, Radis, coriandre et menthe» au «VEG_NAME».
Nous créons les deux dictionnaires et faisons les dataframes des deux dictionnaires. Nous affichons le premier DataFrame puis le deuxième DataFrame, l'un après l'autre. Nous mettons ensuite la fonction «APPEND ()» pour ajouter les deux DataFrames ici. Nous avons également mis le «ignore_index» et l'ajusté à «true». Il ignore les valeurs d'index des deux données de données précédentes et génèrent une nouvelle valeur d'index après avoir ajouté les données des deux dataframes. Nous affichons également le dataframe que nous obtenons après avoir appris en utilisant la fonction «print ()».
Tout d'abord, il rend les deux dataframes séparément. Ensuite, il ajoute à la fois les DataFrames et affiche le nouveau DataFrame complet après avoir ajouté les deux DataFrames. Ici, il ignore les index des deux DataFrames précédents et génère la nouvelle valeur d'index après avoir appuyé sur les deux dataframes.
Exemple 3:
Nous créons les dataframes des différentes formes ici. Ensuite, nous ajoutons ces données de données qui sont différentes dans les formes. Nous créons ici un dataframe en utilisant le dictionnaire qui contient trois colonnes différentes. Nous nommons ces colonnes «A1, B1, C1» et avons ajouté «1, 3, 5, 7» à «A1», «2, 4, 6, 8» à «B1» et «11, 12, 13, 14 «À« C1 », respectivement. Vient ensuite le prochain Dataframe nommé «Data2» avec quatre colonnes. Ces colonnes sont «A1, B1, C1 et D1». Nous ajoutons «1, 2, 3» dans «A1», «5, 6, 7» dans «B1», «1, 5, 4» dans «C1», ainsi que «8, 9, 10» dans «D1 ". Nous imprimons ces deux données de données séparément et ajoutons les deux dataframes des différentes formes en utilisant la fonction «annex ()».
Ici, le nombre de colonnes des deux dataframes est différente. Lorsque le nombre de colonnes dans le dataframe n'est pas égal, les valeurs NAN sont utilisées pour remplir tous les espaces vides dans l'un des dataframes. Nous enregistrons le DataFrame qui est créé après avoir utilisé la fonction «ANPEND ()» dans la variable «Data». Ensuite, nous avons mis la variable dans l'instruction «print ()» qui est affichée sur le terminal.
Le DataFrame que nous obtenons après avoir appris affiche «Nan» dans la colonne «D1» car lorsqu'il n'y a pas de valeur dans la colonne, il affiche «Nan». Comme les deux dataframes que nous avons annexés ici contiennent un nombre différent de colonnes, le Frame de données résultant affiche «nan».
Exemple 4:
Dans ce code, nous ajoutons une ligne au dataframe. Pour cela, nous générons un dictionnaire «disques_std» avec trois colonnes. La colonne «std_name» est la première colonne ici qui contient les noms des étudiants que nous avons. Ces noms sont «Noah», «George», «Robert», «Samuel» et «Taylor». Le «O_Marks» est la deuxième colonne ici avec les marques obtenues des étudiants comme «42, 32, 57, 78 et 81». Vient ensuite les colonnes «p_marks» et nous ajoutons «55, 69, 53, 46 et 92». Ce dictionnaire «disque_std» n'est pas converti en datafarme et est affiché.
Voici le DataFrame que nous avons créé. Maintenant, nous voulons ajouter une nouvelle ligne à ce DataFrame en utilisant la fonction "APPEND ()". Essayons d'utiliser la fonction "APPEND ()" pour ajouter une ligne.
Tout d'abord, nous déclarons une variable «new_row» et définissons certaines données que nous voulons ajouter en tant que nouvelle ligne. Dans la colonne "std_name", nous voulons ajouter "Henry". Dans "O_Marks", nous avons défini "43". Et dans «p_marks», nous insérons «33». Les données de ligne sont terminées ici. Ensuite, nous utilisons la fonction «A SPEND ()» et ajoutez cette ligne à DataFrame que nous avons précédemment créé et ignoré les valeurs d'index.
La dernière rangée est insérée ici dans le dataframe existant que nous avons également rendu précédemment. Cette ligne est ajoutée à l'aide de la méthode "APPEND ()".
Conclusion
Dans ce guide, nous avons expliqué l'utilisation de la méthode «annex ()» dans «pandas» en détail. À l'aide de la fonction Pandas «A SPEND ()», nous avons examiné 4 cas d'utilisation pour ajouter les DataFrames ainsi que pour ajouter une ligne à la fin de la DataFrame actuelle (). Nous avons discuté que la méthode «annexée ()» est l'une des stratégies les plus populaires pour fusionner les données dans le prétraitement des données. La méthode «Ajouter ()» elle-même est assez simple à appliquer. Après une étude approfondie de ce guide, j'espère que vous obtiendrez ce concept de méthode «annexes ()».