1.采用loc[]方法
loc方法和iloc方法一样，可以索引DataFrame数据，一般是通过data.loc[index, col] = value
# 构造一个空的dataframe
import pandas as pd
df = pd.DataFrame(columns=['name', 'number'])
# loc[]中需要加入的是插入地方dataframe的索引，默认是整数型
df.loc[1] = ['cat', 3]
df.loc['a'] = ['123',30]
data.loc[:, 'd'] = 0
print(df)
2.采用append()方法
# 1. 采用append方法合并两个dataframe
df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
# 合并 ignore_index设置为 True可以重新排列索引
append_df = df.append(df2, ignore_index=True)
append_df ：
0 1 2
1 3 4
2 5 6
3 7 8
# 2. 采用append方法添加多行
df = pd.DataFrame(columns=['A'])
for i in range(5):
df = df.append({'A': i}, ignore_index=True)
3. 采用concat（）方法
拼接数据，好处是可以同时新增多个列名和行名
# 如果是遍历添加多行，更高效的方法
pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)], ignore_index=True)
data = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'])
data.insert(data.shape[1], 'd', 0)
data['e'] = 0
data = pd.concat([data, pd.DataFrame(columns=['d'])], sort=False)
2.添加栏目
1.采用df[]
df = pd.DataFrame(columns=['name', 'number'], data=[['cat', 3]])
# 添加一列，计算有多少条腿
df['leg'] = df['number'] * 4
# 添加一列，直接赋值有几个头
df['head'] = 1
2.采用insert()
# 使用方法是DataFrame.insert(loc, column, value, allow_duplicates=False)
# (添加列位置索引序号，添加列名， 数值， 是否允许列名重复)
df.insert(1, 'tail', 1, allow_duplicates=False)
3.采用reindex（）函数
# reindex 函数，可以指定缺失值填充的值，
# 缺点是要把原有的列名和新列名都加上，如果列名过多比较麻烦
data = data.reindex(columns=['a', 'b', 'c', 'd'], fill_value=0)
pandas df.iloc[]的典型用法
df.loc[]和df.iloc[]的区别
pandas.DataFrame
版权声明：本文为博主*山河万里*原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/weixin_42322206/article/details/123174558
赞 (0)
ERROR: pip‘s dependency resolver does not currently take into account all the packages 解决办法分享
2023年3月5日
数据加载和初步观察 + 探索性数据分析 – 泰坦尼克号任务
2022年3月15日
[阅读记录]《数据分析师求职面试指南》-2
2022年3月18日
已解决IndexError: positional indexers are out-of-bounds
2023年6月25日
100天精通Python（数据分析篇）——第66天：Pandas透视表基础+实战案例（pivot_table函数）
2023年3月5日
Matplotlib进阶教程：颜色讲解
2022年5月8日
python数据分析基础002 -使用mtplotlib绘图（散点图，条形图，直方图）
2022年3月26日
Python爬虫入门结课报告
2023年7月6日
Python使用pandas导入xlsx格式的excel文件内容
2023年3月10日
python爬取天气数据并做可视化分析
2023年5月11日
安装Matplotlib
2023年3月10日
可能是最强的Python可视化神器，建议一试！
2023年3月5日
Python数据分析案例05——影响经济增长的因素(随机森林回归)
2023年6月26日
鲍鱼数据集案例分析-预测鲍鱼年龄（线性回归/梯度下降法实操）
2023年5月29日
python 如何获取 excel 表格中数据所在的行和列
2023年7月13日
seaborn库学习—-分布图displot、histplot、kdeplot、ecdfplot
2023年3月28日
