6.3 数据拼接 (append)

6.3 数据拼接 (append)

Pandas 数据拼接 (append) 详解

6.3 数据拼接 (append)

在 Pandas 中，append() 方法用于将两个或多个 DataFrame 或 Series 对象沿行方向（axis=0）进行拼接。它是一种简单直接的合并方式，特别适用于在 DataFrame 尾部追加数据。

6.3.1 基本用法

append() 方法的基本语法如下：

DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=False)
​

参数说明：

• other: 要追加的 DataFrame 或 Series 对象，也可以是 DataFrame 或 Series 对象的列表。

• ignore_index: 默认为 False。如果为 True，则重置结果 DataFrame 的索引，生成新的数字索引。

• verify_integrity: 默认为 False。如果为 True，当结果 DataFrame 中存在重复索引时，会引发 ValueError 异常。

• sort: 默认为 False。如果为 True，则在连接列时对列进行排序。

6.3.2 代码实践

下面通过一些代码示例来演示 append() 方法的使用。

示例 1：追加单个 DataFrame

import pandas as pd
# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})
# 使用 append() 方法将 df2 追加到 df1
df3 = df1.append(df2)
print(df3)
​

输出结果：

   A   B
0  1   4
1  2   5
2  3   6
0  7  10
1  8  11
2  9  12
​

可以看到，df2 被直接追加到了 df1 的尾部。注意，索引没有重置，df2 的索引被保留了下来。

示例 2：追加多个 DataFrame

import pandas as pd
# 创建三个 DataFrame
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
df3 = pd.DataFrame({'A': [9, 10], 'B': [11, 12]})
# 使用 append() 方法追加多个 DataFrame
df4 = df1.append([df2, df3])
print(df4)
​

输出结果：

    A   B
0   1   3
1   2   4
0   5   7
1   6   8
0   9  11
1  10  12
​

这里，我们将多个 DataFrame 放入一个列表中，然后传递给 append() 方法。

示例 3：重置索引

import pandas as pd
# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
# 使用 append() 方法并重置索引
df3 = df1.append(df2, ignore_index=True)
print(df3)
​

输出结果：

   A  B
0  1  3
1  2  4
2  5  7
3  6  8
​

通过设置 ignore_index=True，我们得到了一个新的数字索引。

示例 4：处理列名不同的情况

import pandas as pd
# 创建两个 DataFrame，列名不同
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]})
# 使用 append() 方法
df3 = df1.append(df2, ignore_index=True, sort=True)
print(df3)
​

输出结果：

    A    B    C    D
0  1.0  3.0  NaN  NaN
1  2.0  4.0  NaN  NaN
2  NaN  NaN  5.0  7.0
3  NaN  NaN  6.0  8.0
​

当列名不同时，append() 方法会将所有列都包含在结果 DataFrame 中，缺失值用 NaN 填充。设置 sort=True 可以按照列名进行排序。

示例 5：追加 Series

import pandas as pd
# 创建一个 DataFrame 和一个 Series
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
s1 = pd.Series([5, 6], name='C')
# 使用 append() 方法追加 Series
df2 = df1.append(s1, ignore_index=True)
print(df2)
​

输出结果：

     A    B    C
0  1.0  3.0  NaN
1  2.0  4.0  NaN
2  NaN  NaN  5.0
3  NaN  NaN  6.0
​

注意，追加 Series 时，需要指定 Series 的 name 属性，否则会报错。

6.3.3 注意事项

• append() 方法会返回一个新的 DataFrame，原始 DataFrame 不会被修改。

• append() 方法在循环中效率较低，因为每次调用都会创建一个新的 DataFrame。如果需要频繁追加数据，建议使用列表来收集数据，然后一次性创建 DataFrame。

• 从 Pandas 1.4.0 版本开始，append() 方法已被标记为 deprecated，推荐使用 concat() 方法代替。

6.3.4 concat() 方法替代 append()

concat() 方法是 Pandas 中更强大、更灵活的合并方法。它可以沿任意轴进行合并，并且可以处理更复杂的合并场景。

下面是使用 concat() 方法实现与 append() 相同功能的示例：

import pandas as pd
# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})
# 使用 concat() 方法将 df2 追加到 df1
df3 = pd.concat([df1, df2], ignore_index=True)
print(df3)
​

输出结果：

   A   B
0  1   4
1  2   5
2  3   6
3  7  10
4  8  11
5  9  12
​

可以看到，使用 concat() 方法可以得到与 append() 方法相同的结果，并且更加灵活。

6.3.5 append() 的原理和数据流

可以使用 Mermaid 的 graph TD 图来简单描述 append() 的数据流：

这个图简单地展示了 append() 方法接收两个 DataFrame (A 和 B) 作为输入，然后生成一个新的 DataFrame (C) 作为输出。

更详细的数据流（考虑 ignore_index）可以表示为：

这个图更详细地描述了 append() 方法内部的处理流程：

1. DataFrame 1 和 DataFrame 2 被合并。

2. 根据 ignore_index 的值，决定是否重置索引。

3. 如果 verify_integrity=True 且存在重复索引，则抛出 ValueError 异常。

4. 最终输出合并后的 DataFrame。

6.3.6 总结

append() 方法是 Pandas 中一种简单的数据拼接方法，可以将两个或多个 DataFrame 或 Series 对象沿行方向进行拼接。虽然它使用起来很方便，但在循环中效率较低，并且已被标记为 deprecated。推荐使用 concat() 方法代替 append()，因为它更加灵活和强大。

希望本文能够帮助你理解 Pandas 中的 append() 方法，并在实际工作中灵活运用。