Python Pandas多种添加行列数据方法总结

前言

发现自己学习python 的各种库老是容易忘记，所有想利用这个平台，记录和分享一下学习时候的知识点，以后也能及时的复习，最近学习pandas，那我们来看看pandas添加数据的一些方法

创建一个dataframe

1. 增加列数据

为dataframe增加一列新数据，需要确保增加列的长度与原数据保持一致

如果是增加一列相同数据可以直接输入

df['level'] = 1

插入的数据是需要通过源数据进行计算的（eval这个方法感觉比较好用）

df.eval('grade_level = grade * level',inplace = True)

使用insert函数可以在指定列添加列数据，这个函数有好几个参数，使用更加灵活

df.insert(loc, column, value, allow_duplicates=False)

增加列数据的方法还有很多，我只把自己比较常用的记录了下来

2. 增加行数据

比较多的方法有 loc 、iloc、append都行，先看loc这个方法，它是通过 df.loc[index名称] = [对应的数据]，这个方法要主要index如果是与原表中有重复，则会将原数据修改，如果没有重复的话，就是在最后面添加对应数据，其中的index名称是根据输入的写入，需要注意！

第二个是通过df.iloc[index位置] = [对应数据] 进行修改这个方法是对原有数据进行修改，并不是增加一行数据

使用append（）函数添加一行数据，其中ignore_index=True,否则报错

append()往往做法比较多的是添加一个另外一个dataframe的数据到原来数据上，爬虫时候用得比较多，将每一页的数据保存到一个临时的dataframe中，将这个临时的dataframe数据插入到总的dataframe后面，最后得到总的数据，且效率较高

当然还有concat、merge等方法可以达到相同的效果，下次有机会在继续学习

补充：pandas根据现有列新添加一列

pandas中一个Dataframe，经常需要根据其中一列再新建一列，比如一个常见的例子：需要根据分数来确定等级范围，下面我们就来看一下怎么实现。

def getlevel(score):
    if score < 60:
        return "bad"
    elif score < 80:
        return "mid"
    else:
        return "good"


def test():
    data = {'name': ['lili', 'lucy', 'tracy', 'tony', 'mike'],
            'score': [85, 61, 75, 49, 90]
            }
    df = pd.DataFrame(data=data)
    # 两种方式都可以
    # df['level'] = df.apply(lambda x: getlevel(x['score']), axis=1)
    df['level'] = df.apply(lambda x: getlevel(x.score), axis=1)

    print(df)

上面代码运行结果

    name  score level
0   lili     85  good
1   lucy     61   mid
2  tracy     75   mid
3   tony     49   bad
4   mike     90  good

要实现上面的功能，主要是使用到dataframe中的apply方法。

上面的代码，对dataframe新增加一列名为level，level由分数一列而来，如果小于60分为bad，60-80之间为mid，80以上为good。
其中axis=1表示原有dataframe的行不变，列的维数发生改变。

总结

到此这篇关于Python Pandas多种添加行列数据方法的文章就介绍到这了,更多相关Pandas添加行列数据内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！