Pandas Anexe a linha

O excelente ambiente do Python dos módulos centrados em dados o torna uma linguagem maravilhosa para a realização de uma análise de dados. Com uma dessas ferramentas, os pandas simplifica bastante o processo de importação e análise dos dados. Os pandas fornecem muitas funções que facilitam nosso trabalho e onde podemos fazer muito trabalho em pouco tempo. Um deles é o método "Append ()" que os pandas fornecem. A função Append () anexa dois quadros de dados diferentes e anexa a linha ao quadro de dados no final da corrente e gera um novo DataFrame no processo. Aqui, discutimos o método "Pandas Append ()" em detalhes.Também executamos alguns códigos em que utilizamos esse método e mostramos seu trabalho por exemplos práticos neste guia.

Sintaxe:

# Quadro de dados.Anexar (outros, ignore_index = false, verify_integrity = false, sort = Nenhum)

Exemplo 1:

O software que usamos aqui para executar esse código "Pandas" é o software "Spyder". Neste software "Spyder", fazemos alguns códigos começando com a palavra -chave "importar" que ajuda a importar os "pandas como PD". Agora, obtemos os métodos de "pandas" colocando o "PD". Agora, criamos dois quadros de dados separadamente. Então, anexamos os dois quadros e obtemos um novo DataFrame.

Primeiro, criamos um dicionário e depois convertemos -o para o DataFrame. O dicionário que criamos aqui é chamado "p_dealer1" e tem três colunas. Damos o "S_NO" como o nome da primeira coluna que possui "P11, P12, P13, P14 e P15". A outra coluna que temos é chamada de "honra". Então, coloque "Smith, Joseph, William, Samuel e Rick" aqui. A última coluna "Comprador" contém "Peter, James, Olivia, Leo e Bills". Aqui, o primeiro dicionário é concluído e avançamos na criação do outro dicionário.

Geramos o nome do segundo DataFrame "P_Dealer2". Ele também contém três colunas. A primeira coluna é rotulada como "s_no" e contém os valores "P16, p17, p 18 e p19". Coloque "Noah, Mishi, Taylor e Robert" na coluna "Honor". No outro, temos "George, Samuel, Aliados e Peter", que é representado na coluna final, "Comprador". Dois dicionários estão concluídos aqui. Também precisamos converter ambos os dicionários para os quadros de dados. Na ilustração a seguir, convertemos -os separadamente no quadro de dados e imprimimos os dois dados de dados. Você verá dois quadros de dados no resultado deste código.

Quando renderizamos a saída de nossos códigos em "Spyder", temos dois métodos para usar. Um deles é pressionar "Shift + Enter" e o outro é pressionar o botão "Executar" desta ferramenta. Este resultado será renderizado no terminal de "Spyder". Existem dois quadros de dados que aparecem nesta saída. Agora, aplicamos o método "Anexar" e anexarmos os dois quadros de dados em um único quadro de dados e renderizamos o novo DataFrame que contém os dois quadros de dados depois de anexar.

Adicionamos esta linha que é mostrada na seguinte ilustração em que utilizamos o método "Append ()". Colocamos o nome do primeiro dataframe. Então, temos o método "Append ()". No método "Append ()", inserimos o "P_Dealer2", que é o segundo DataFrame. Isso anexa dados de dados e armazenam -os no "Final_dealer" como um único DataFrame.

O DataFrame exibido aqui contém todos os dados do primeiro e do segundo DataFrames. Observe que os valores do índice são os mesmos que temos em ambos os dados de dados.

Exemplo 2:

Agora, criamos dois quadros de dados que contêm alguns nomes de frutas e vegetais. O "Food1" é o primeiro dicionário aqui com duas colunas, "fr_name" e "veg_name", respectivamente. Inserimos a “goiaba, uvas, amoreira, pêssego” para o “fr_name”. E também insira o "rabanete, alho, ervilha e beterraba" no "veg_name". O segundo dicionário listado aqui é "Food2", que possui duas colunas. Também adicionamos o "FIG, Orange, Lichchee e Kiwi" ao "FR_NAME", bem como "repolho, rabanete, coentro e hortelã" para o "veg_name".

Criamos os dois dicionários e fazemos os quadros de dados de ambos os dicionários. Exibimos o primeiro dataframe e depois o segundo DataFrame, um após o outro. Em seguida, colocamos a função "Append ()" para anexar os dois quadros aqui. Também colocamos o "ignore_index" e ajustamos -o para "verdadeiro". Ele ignora os valores do índice dos dois quadros de dados anteriores e gera um novo valor de índice após anexar os dados de ambos os dados de dados. Também exibimos o quadro de dados que recebemos depois de anexar usando a função "print ()".

Primeiro, ele renderiza ambos os quadros de dados separadamente. Em seguida, ele anexa os quadros de dados e exibe o novo DataFrame completo depois de anexar os dois dados de dados. Aqui, ele ignora os índices dos dois quadros de dados anteriores e gera o novo valor do índice após anexar os dois quadros de dados.

Exemplo 3:

Criamos os quadros de dados das diferentes formas aqui. Em seguida, anexamos esses quadros de dados que são diferentes em formas. Criamos um quadro de dados aqui, utilizando o dicionário que contém três colunas diferentes. Nomeamos essas colunas "A1, B1, C1" e adicionamos "1, 3, 5, 7" a "A1", "2, 4, 6, 8" a "B1" e "11, 12, 13, 13, 14 "Para" C1 ", respectivamente. Depois vem o próximo DataFrame chamado "Data2" com quatro colunas. Essas colunas são “A1, B1, C1 e D1”. Adicionamos "1, 2, 3" em "A1", "5, 6, 7" em "B1", "1, 5, 4" em "C1", e também "8, 9, 10" em "D1 ”. Imprimos esses dois quadros de dados separadamente e anexamos os dois quadros de dados das diferentes formas, utilizando a função "Append ()".

Aqui, o número de colunas de ambos os quadros de dados é diferente. Quando o número de colunas no quadro de dados não é igual, os valores da NAN são usados ​​para preencher qualquer espaços vazios em um dos quadros de dados. Salvamos o quadro de dados que é criado após a utilização da função "Append ()" na variável "Data". Em seguida, colocamos a variável na declaração "print ()" que é exibida no terminal.

O quadro de dados que obtemos depois de anexar mostra "NAN" na coluna "D1" porque quando não há valor na coluna, ele exibe "nan". Como os dois quadros de dados que anexamos aqui contêm um número diferente de colunas, o quadro de dados resultante exibe “nan”.

Exemplo 4:

Neste código, anexamos uma linha ao DataFrame. Para isso, geramos um dicionário "Record_Std" com três colunas. A coluna "std_name" é a primeira coluna aqui que contém os nomes dos alunos que temos. Esses nomes são "Noah", "George", "Robert", "Samuel" e "Taylor". O “O_MARKS” é a segunda coluna aqui com as marcas obtidas dos alunos como “42, 32, 57, 78 e 81”. Depois vem as colunas “P_MARKS” e adicionamos “55, 69, 53, 46 e 92”. Este dicionário "Record_Std" não é convertido no DataFarme e é exibido.

Aqui está o quadro de dados que criamos. Agora, queremos adicionar uma nova linha a esse quadro de dados, utilizando a função "Append ()". Vamos tentar utilizar a função "Append ()" para adicionar uma linha.

Primeiro, declaramos uma variável "new_row" e definimos alguns dados que queremos adicionar como uma nova linha. Na coluna "std_name", queremos adicionar "Henry". Em "O_MARKS", definimos "43". E em "p_marks", inserimos "33". Os dados da linha são concluídos aqui. Em seguida, utilizamos a função "Append ()" e anexamos esta linha ao quadro de dados que criamos e ignoramos os valores do índice.

A última linha é inserida aqui no quadro de dados existente que também renderizamos anteriormente. Esta linha é adicionada com a ajuda do método "Append ()".

Conclusão

Neste guia, explicamos o uso do método "Append ()" em "pandas" em detalhes profundos. Usando a função Pandas "Append ()", examinamos 4 casos de uso para adicionar os quadros de dados, além de adicionar uma linha ao final do dataframe atual (). Discutimos que o método "Append ()" é uma das estratégias mais populares para mesclar os dados no pré -processamento de dados. O próprio método "Append ()" é bastante simples de aplicar. Após um estudo completo deste guia, espero que você obtenha este conceito de método "Append ()".