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
      
            
      
                  
                      
                  
                      
                  
                      
                  
                      
                  
                      
              
    
    
          提交评分        
      共计人评分，平均分    
    
      到目前为止还没有投票！成为第一位评论此文章。    
    
  
          
                                                                                
                        
数据分析数据处理数据挖掘
                            
 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