dataframe.append詳解

一、函數用途

dataframe.append函數是Pandas庫中的一個函數，主要用於將一個或多個數據幀數據添加到另一個數據幀中。在數據合併的時候非常有用，特別是需要將數據按行進行拼接的情況。

二、函數使用方法

開始前，我們先導入Pandas和numpy庫，並創建兩個數據幀df1和df2。

“` python
import pandas as pd
import numpy as np

df1 = pd.DataFrame({‘A’: [‘A0’, ‘A1’, ‘A2’, ‘A3’],
‘B’: [‘B0’, ‘B1’, ‘B2’, ‘B3’],
‘C’: [‘C0’, ‘C1’, ‘C2’, ‘C3’],
‘D’: [‘D0’, ‘D1’, ‘D2’, ‘D3’]},
index=[0, 1, 2, 3])

df2 = pd.DataFrame({‘A’: [‘A4’, ‘A5’, ‘A6’, ‘A7’],
‘B’: [‘B4’, ‘B5’, ‘B6’, ‘B7’],
‘C’: [‘C4’, ‘C5’, ‘C6’, ‘C7’],
‘D’: [‘D4’, ‘D5’, ‘D6’, ‘D7’]},
index=[4, 5, 6, 7])
“`

我們可以使用append()函數將df2數據合併到df1數據後面，合併後的數據叫做df3，調用append()時要與df1使用同樣的列名：

“` python
df3 = df1.append(df2)
print(df3)
“`

輸出結果：

“` python
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
4 A4 B4 C4 D4
5 A5 B5 C5 D5
6 A6 B6 C6 D6
7 A7 B7 C7 D7
“`

除了按照行的順序進行拼接外，還可以指定axis參數對數據進行拼接。例如，指定axis=1，對列進行合併:

“` python
df4 = pd.DataFrame({‘E’: [‘E0’, ‘E1’, ‘E2’, ‘E3’],
‘F’: [‘F0’, ‘F1’, ‘F2’, ‘F3’],
‘G’: [‘G0’, ‘G1’, ‘G2’, ‘G3’],
‘H’: [‘H0’, ‘H1’, ‘H2’, ‘H3’]},
index=[0, 1, 2, 3])

df5 = pd.DataFrame({‘A’: [‘A4’, ‘A5’, ‘A6’, ‘A7’],
‘B’: [‘B4’, ‘B5’, ‘B6’, ‘B7’],
‘C’: [‘C4’, ‘C5’, ‘C6’, ‘C7’],
‘D’: [‘D4’, ‘D5’, ‘D6’, ‘D7’]},
index=[4, 5, 6, 7])

df6 = df4.append(df5, sort=False, ignore_index=True, axis=1)
print(df6)
“`

輸出結果：

“` python
0 1 2 3 4 5 6 7
E E0 E1 E2 E3 NaN NaN NaN NaN
F F0 F1 F2 F3 NaN NaN NaN NaN
G G0 G1 G2 G3 NaN NaN NaN NaN
H H0 H1 H2 H3 NaN NaN NaN NaN
A NaN NaN NaN NaN A4 A5 A6 A7
B NaN NaN NaN NaN B4 B5 B6 B7
C NaN NaN NaN NaN C4 C5 C6 C7
D NaN NaN NaN NaN D4 D5 D6 D7
“`

三、函數參數說明

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

其他參數說明：

• other：要添加到數據幀的數據幀、系列或字典 dict-like。參數可以是多個（列表或元組），如果傳遞多個（除了series），則索引必須相同。
• ignore_index：如果為True，則不使用原始索引進行連接。默認值為False。
• verify_integrity：檢查新連接的軸是否已經分別包含重複項。這是一個非常昂貴的操作，因為必須對所有數據進行評估。默認值為False。
• sort：按字典順序通過連接軸排序。默認是True，設置為False可以提高性能，但不建議這樣使用(因為取決於它們的順序與輸出相衝突的情況)。

2、DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=False, keys=None, levels=None, names=None, join=’outer’, sort=False, copy=True)

其他參數說明：

• keys：在連接軸上構建層次結構索引。接受任何輸入接受的數組形式。默認為無。
• levels：用於構建MultiIndex的一組列表或元組。如果鍵不包含在傳遞的級別列表中，則構建MultiIndex中的標籤將缺失。鍵可以為任何可迭代類型。如果沒有傳遞此參數，則默認為None。
• names：創建新級別的名稱（如果引入MultiIndex）。如果沒有傳遞此參數，則默認為 None。
• join：在其他軸上的索引上執行連接操作，允許{‘inner’， ‘outer’}，默認為’outer’。
• copy：默認為True，無論如何都會進行複製。如果是False，則新/添加數據不會在調用DataFrame.append時複製，這可能導致結果與期望的不同（如果原始數據被修改，則出現這種情況可觀察到）。
• sort：按字典順序通過連接軸排序。默認是True，設置為False可以提高性能，但不建議這樣使用（因為取決於它們的順序與輸出相衝突的情況）。

四、優化使用

要對性能進行優化，請使用以下建議：

• 1. 在向現有數據幀添加新數據時，最好在數據幀對象（例如 df）中的內部存儲器中進行操作。這可以通過使用 inplace = True 參數來實現。
• 2. 複製數據或處理大數據幀時，最好避免使用 append 。使用 pd.concat 或 pd.DataFrame.combine_first（如果沒有重複項）可以極大地減少時間和空間的使用。
• 3. 合併多個數據幀時，建議根據需要連接所有數據幀，然後使用 .groupby 或 .pivot_table 來聚合數據。

五、小結

Pandas庫中的函數 dataframe.append() 提供了一種方便的方法來合併數據幀，特別是當你需要在行維上進行拼接時，可以很好地滿足需求。此外，為了更好的性能，應該盡量地避免使用append函數，並採用一些更加高效的方法進行數據幀的合併。