Método append de Pandas

Introducción

En este tutorial, aprenderá a usar el método append() en Python Pandas. El método append() le permite adjuntar filas de un DataFrame a otro y devuelve un nuevo objeto DataFrame. También puede agregar columnas del DataFrame adjuntado si no están ya presentes en el DataFrame que llama.

Consejos sobre la VM

Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.

A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.

Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje sus comentarios después de la sesión y lo resolveremos rápidamente para usted.

Crear dos DataFrames

Primero, necesitamos crear dos DataFrames que usaremos para los ejemplos de este tutorial.

import pandas as pd

## Crear DataFrame 1
df1 = pd.DataFrame([['Abhishek', 100, 'Science', 90],
                    ['Anurag', 101, 'Science', 85]],
                   columns=['Name', 'Roll No', 'Subject', 'Marks'])

## Crear DataFrame 2
df2 = pd.DataFrame([['Chetan', 103, 'Maths', 75],
                    ['Divya', 104, 'Science', 80],
                    ['Diya', 105, 'Maths', 92]],
                   columns=['Name', 'Roll No', 'Subject', 'Marks'])

Adjuntar filas usando el método append()

Puede adjuntar un DataFrame a otro usando el método append(). Para hacer esto, simplemente llame al método append() en el DataFrame al que desea adjuntar y pase el DataFrame que desea adjuntar como parámetro.

## Adjuntar DataFrame 2 a DataFrame 1
appended_df = df1.append(df2)

## Imprimir el resultado
print(appended_df)

Evitar valores de índice superpuestos

Cuando se adjunta un DataFrame a otro, los valores de índice pueden superponerse. Para evitar esto, puede establecer el parámetro ignore_index en True. Esto reasignará nuevos valores de índice al DataFrame adjuntado.

## Adjuntar DataFrame 2 a DataFrame 1 con el parámetro ignore_index establecido en True
appended_df = df1.append(df2, ignore_index=True)

## Imprimir el resultado
print(appended_df)

Evitar valores de índice superpuestos

Si desea generar un error cuando los valores de índice se superponen, puede establecer el parámetro verify_integrity en True.

## Adjuntar DataFrame 2 a DataFrame 1 con el parámetro verify_integrity establecido en True
try:
    appended_df = df1.append(df2, verify_integrity=True)
except ValueError as e:
    print(e)

Adjuntar fila desde una Serie

También puede adjuntar una sola fila, representada como una Serie, a un DataFrame. Para hacer esto, cree un objeto Serie con los valores y el índice de la fila, y luego llame al método append() en el DataFrame con la Serie como parámetro.

## Crear una Serie
series = pd.Series(['Chetan', 103, 'Maths', 75], index=['Name', 'Roll No', 'Subject', 'Marks'])

## Adjuntar la Serie al DataFrame 1
appended_df = df1.append(series, ignore_index=True)

## Imprimir el resultado
print(appended_df)

Adjuntar fila desde un Diccionario

También puede adjuntar una fila representada como un diccionario a un DataFrame. Para hacer esto, cree un diccionario con los nombres de columna como claves y los valores de la fila como valores, y luego llame al método append() en el DataFrame con el diccionario como parámetro.

## Crear un diccionario
dictionary = {'Name': 'Chetan', 'Roll No': 103, 'Subject': 'Maths', 'Marks': 75}

## Adjuntar el diccionario al DataFrame 1
appended_df = df1.append(dictionary, ignore_index=True)

## Imprimir el resultado
print(appended_df)

Resumen

En este tutorial, aprendiste cómo usar el método append() en Python Pandas. Puedes usar este método para adjuntar filas de un DataFrame a otro, así como agregar columnas del DataFrame adjuntado si no están ya presentes en el DataFrame que llama. Recuerda usar los parámetros adecuados, como ignore_index y verify_integrity, para controlar el comportamiento de la operación de adjuntar. Este método te permite combinar y manipular fácilmente DataFrames en tus tareas de análisis de datos. ¡Que disfrutes programando!