前言

發(fā)現(xiàn)自己學習python 的各種庫老是容易忘記，所有想利用這個平臺，記錄和分享一下學習時候的知識點，以后也能及時的復習，最近學習pandas，那我們來看看pandas添加數(shù)據(jù)的一些方法

創(chuàng)建一個dataframe

1. 增加列數(shù)據(jù)

為dataframe增加一列新數(shù)據(jù)，需要確保增加列的長度與原數(shù)據(jù)保持一致

如果是增加一列相同數(shù)據(jù)可以直接輸入

df['level'] = 1

插入的數(shù)據(jù)是需要通過源數(shù)據(jù)進行計算的（eval這個方法感覺比較好用）

df.eval('grade_level = grade * level',inplace = True)

使用insert函數(shù)可以在指定列添加列數(shù)據(jù)，這個函數(shù)有好幾個參數(shù)，使用更加靈活

df.insert(loc, column, value, allow_duplicates=False)

增加列數(shù)據(jù)的方法還有很多，我只把自己比較常用的記錄了下來

2. 增加行數(shù)據(jù)

比較多的方法有 loc 、iloc、append都行，先看loc這個方法，它是通過 df.loc[index名稱] = [對應(yīng)的數(shù)據(jù)]，這個方法要主要index如果是與原表中有重復，則會將原數(shù)據(jù)修改，如果沒有重復的話，就是在最后面添加對應(yīng)數(shù)據(jù)，其中的index名稱是根據(jù)輸入的寫入，需要注意！

第二個是通過df.iloc[index位置] = [對應(yīng)數(shù)據(jù)] 進行修改這個方法是對原有數(shù)據(jù)進行修改，并不是增加一行數(shù)據(jù)

使用append（）函數(shù)添加一行數(shù)據(jù)，其中ignore_index=True,否則報錯

append()往往做法比較多的是添加一個另外一個dataframe的數(shù)據(jù)到原來數(shù)據(jù)上，爬蟲時候用得比較多，將每一頁的數(shù)據(jù)保存到一個臨時的dataframe中，將這個臨時的dataframe數(shù)據(jù)插入到總的dataframe后面，最后得到總的數(shù)據(jù)，且效率較高

當然還有concat、merge等方法可以達到相同的效果，下次有機會在繼續(xù)學習

補充：pandas根據(jù)現(xiàn)有列新添加一列

pandas中一個Dataframe，經(jīng)常需要根據(jù)其中一列再新建一列，比如一個常見的例子：需要根據(jù)分數(shù)來確定等級范圍，下面我們就來看一下怎么實現(xiàn)。

def getlevel(score):
    if score < 60:
        return "bad"
    elif score < 80:
        return "mid"
    else:
        return "good"


def test():
    data = {'name': ['lili', 'lucy', 'tracy', 'tony', 'mike'],
            'score': [85, 61, 75, 49, 90]
            }
    df = pd.DataFrame(data=data)
    # 兩種方式都可以
    # df['level'] = df.apply(lambda x: getlevel(x['score']), axis=1)
    df['level'] = df.apply(lambda x: getlevel(x.score), axis=1)

    print(df)

上面代碼運行結(jié)果

? ? name ?score level
0 ? lili ? ? 85 ?good
1 ? lucy ? ? 61 ? mid
2 ?tracy ? ? 75 ? mid
3 ? tony ? ? 49 ? bad
4 ? mike ? ? 90 ?good

要實現(xiàn)上面的功能，主要是使用到dataframe中的apply方法。

上面的代碼，對dataframe新增加一列名為level，level由分數(shù)一列而來，如果小于60分為bad，60-80之間為mid，80以上為good。
其中axis=1表示原有dataframe的行不變，列的維數(shù)發(fā)生改變。

總結(jié)