Pandas Dołącz wiersz

Doskonałe środowisko Pythona modułów zorientowanych na dane sprawia, że ​​jest to wspaniały język do przeprowadzania analizy danych. Z jednym takiego narzędzia pandy znacznie upraszcza proces importowania i analizy danych. Pandy zapewnia wiele funkcji, które ułatwiają naszą pracę i gdzie możemy wykonać dużo pracy w krótkim czasie. Jednym z nich jest metoda „append ()”, którą zapewnia Pandy. Funkcja append () dołącza do dwóch różnych ram danych i dołącza wiersz do ramki danych na końcu bieżącego i generuje nową ramkę danych w procesie. Tutaj szczegółowo omawiamy metodę „Pandy append ()”.Wykonujemy również niektóre kody, w których korzystamy z tej metody i pokazujemy jej działanie według praktycznych przykładów w tym przewodniku.

Składnia:

# Ramka danych.append (inne, ignore_index = false, verify_integrity = false, sort = none)

Przykład 1:

Oprogramowanie, którego używamy tutaj do wykonywania tych kodów „pandy”, to oprogramowanie „Spyder”. W tym oprogramowaniu „Spyder” wykonujemy niektóre kody, zaczynając od słowa kluczowego „importu”, które pomaga w importowaniu „pandy jako PD”. Teraz otrzymujemy metody „pandy”, umieszczając „PD”. Teraz tworzymy dwie formy danych osobno. DODATYMY OBÓW DATAFREKES I OTOWANE NOWYM DATAFREME.

Najpierw tworzymy słownik, a następnie konwertujemy go na DataFrame. Słownik, który tutaj tworzymy, nazywa się „p_dealer1” i ma w sobie trzy kolumny. Podajemy „S_NO” jako nazwę pierwszej kolumny, która ma w sobie „P11, P12, P13, P14 i P15”. Druga kolumna, którą mamy, nazywa się „Honor”. Następnie umieść tutaj „Smith, Joseph, William, Samuel i Rick”. Ostatnia kolumna „Kupujący” zawiera „Peter, James, Olivia, Leo i Bills”. Tutaj pierwszy słownik został zakończony i idziemy naprzód z utworzeniem drugiego słownika.

Generujemy nazwę drugiej ramki danych „P_Dealer2”. Zawiera również trzy kolumny. Pierwsza kolumna jest oznaczona jako „S_NO” i zawiera wartości „P16, P17, P 18 i P19”. Umieść „Noah, Mishi, Taylor i Robert” w kolumnie „Honor”. W drugim mamy „George, Samuel, Allies i Peter”, który jest reprezentowany w ostatniej kolumnie „Kupujący”. Tutaj ukończone są dwa słowniki. Musimy również przekonwertować oba słowniki na strony danych. Na poniższej ilustracji konwertujemy je osobno na DataFrame i drukujemy obie strony danych. W wyniku tego kodu zobaczysz dwie struki danych.

Kiedy renderujemy wyjście naszych kodów w „Spyder”, mamy dwie metody użycia. Jednym z nich jest naciśnięcie „Shift + Enter”, a drugim naciśnięciem przycisku „Uruchom” tego narzędzia. Ten wynik będzie renderowany na terminalu „Spyder”. W tym wyjściu pojawiają się dwie strony danych. Teraz stosujemy metodę „Dodatek” i dołączamy obie strony danych w jednej ramce danych i renderuje nową ramkę danych zawierającą obiefame danych po dołączeniu.

Dodajemy tę linię, która jest pokazana na poniższej ilustracji, w której wykorzystaliśmy metodę „append ()”. Umieszczamy nazwę pierwszej ramki danych. Następnie mamy metodę „append ()”. W metodzie „append ()” wstawiamy „p_dealer2”, która jest drugą ramką danych. Dołącza to zarówno ramki danych i przechowuje je w „Final_dealer” jako pojedyncza ramka danych.

Wyświetlana tutaj wyświetlana strumienia danych zawiera wszystkie dane z pierwszych i drugiej ramki danych. Należy zauważyć, że wartości indeksu są takie same, jak mamy w obu ramach danych.

Przykład 2:

Teraz tworzymy dwie struki danych zawierające niektóre nazwy owoców i warzyw. „Food1” jest pierwszym słownikiem tutaj z dwiema kolumnami, odpowiednio „FR_NAME” i „Veg_name”. Wkładamy „guawę, winogrona, morwa, brzoskwinia” do „fr_name”. A także wstaw „rzodkiewkę, czosnek, groch i burak” do „Veg_name”. Drugi słownik wymieniony tutaj to „Food2”, który ma dwie kolumny. Do „FR_NAME” dodajemy również „Fig, Orange, Lychee i Kiwi”, a także „Cabbagage, Rzodkiega, kolendra i mięta”.

Tworzymy obie słowniki i tworzymy ramki danych obu słowników. Wyświetlamy pierwszą ramkę danych, a następnie drugą ramkę danych, jeden po drugim. Następnie umieszczamy funkcję „append ()” do dołączenia obu ramek danych tutaj. Umieszczamy również „ignore_index” i dostosowujemy go do „true”. Ignoruje wartości indeksu poprzednich dwóch ram danych i generuje nową wartość indeksu po dołączeniu danych obu ramek danych. Wyświetlamy również ramkę danych, którą otrzymujemy po dołączeniu za pomocą funkcji „print ()”.

Po pierwsze, renderuje oba ramki danych osobno. Następnie dołącza obie strony danych i wyświetla pełną nową ramkę danych po dołączeniu obu danych danych. Tutaj ignoruje indeksy dwóch poprzednich ram danych i generuje nową wartość indeksu po dołączeniu obu ramek danych.

Przykład 3:

Tworzymy tutaj struki danych różnych kształtów. Następnie dołączamy te struki danych, które różnią się kształtami. Tworzymy tutaj ramkę danych, wykorzystując słownik zawierający trzy różne kolumny. Nazwamy te kolumny „A1, B1, C1” i dodaliśmy „1, 3, 5, 7” do „A1”, „2, 4, 6, 8” do „B1” i „11, 12, 13, 14 ”Odpowiednio do„ C1 ”. Następnie pojawia się następna ramka danych o nazwie „Data2” z czterema kolumnami. Te kolumny to „A1, B1, C1 i D1”. Dodajemy „1, 2, 3” w „A1”, „5, 6, 7” w „B1”, „1, 5, 4” w „C1”, a także „8, 9, 10” w „D1 ". Drukujemy te dwie struki danych osobno i dołączamy obie strony danych różnych kształtów, wykorzystując funkcję „append ()”.

Tutaj liczba kolumn obu ramek danych jest inna. Gdy liczba kolumn w ramce danych nie jest równa, wartości NAN są używane do wypełnienia pustych przestrzeni w jednej z ram danych. Zapisujemy ramkę danych, która jest tworzona po użyciu funkcji „append ()” w zmiennej „danych”. Następnie umieszczamy zmienną w instrukcji „print ()”, która jest wyświetlana na terminalu.

Rama danych, którą otrzymujemy po dołączeniu, pokazuje „NAN” w kolumnie „D1”, ponieważ gdy nie ma wartości w kolumnie, wyświetla „NAN”. Jako obie dołączone tutaj ramki danych zawierają inną liczbę kolumn, wynikająca z nich wyświetla „NAN”.

Przykład 4:

W tym kodzie dołączamy wiersz do DataFrame. W tym celu generujemy słownik „record_std” z trzema kolumnami. Kolumna „Std_name” to pierwsza kolumna tutaj, która zawiera nazwiska uczniów, które mamy. Te nazwiska to „Noah”, „George”, „Robert”, „Samuel” i „Taylor”. „O_MARKS” to druga kolumna tutaj z uzyskanymi znakami uczniów jako „42, 32, 57, 78 i 81”. Potem pojawiają się kolumny „P_marks”, a my dodamy „55, 69, 53, 46 i 92”. Ten słownik „record_std” nie jest konwertowany na datafarme i jest wyświetlany.

Oto stworzona przez nas strumienia danych. Teraz chcemy dodać jeden nowy wiersz do tej formy danych, wykorzystując funkcję „append ()”. Spróbujmy użyć funkcji „append ()” do dodania wiersza.

Najpierw deklarujemy zmienną „new_row” i ustawiamy dane, które chcemy dodać jako nowy wiersz. W kolumnie „Std_name” chcemy dodać „Henry”. W „O_MARKS” ustawiamy „43”. A w „P_marks” wstawiamy „33”. Dane wiersza są wypełnione tutaj. Następnie używamy funkcji „append ()” i dołączamy ten wiersz do DataFrame, którą wcześniej utworzyliśmy, i ignorowaliśmy wartości indeksu.

Ostatni wiersz jest tutaj włożony do istniejącej ramki danych, które również wcześniej renderowaliśmy. Ten wiersz jest dodawany za pomocą metody „append ()”.

Wniosek

W tym przewodniku wyjaśniliśmy wykorzystanie metody „append ()” w głębokich szczegółach „pandy”. Korzystając z funkcji pandas „append ()”, zbadaliśmy 4 przypadki użycia do dodania ram danych, a także dodania wiersza na końcu bieżącej dataframe (). Omówiliśmy, że metoda „append ()” jest jedną z najpopularniejszych strategii scalania danych w wstępnym przetwarzaniu danych. Sama metoda „append ()” jest dość prosta do zastosowania. Po dokładnym badaniu tego przewodnika mam nadzieję, że otrzymasz tę koncepcję metody „append ()”.