详细介绍pandas的DataFrame的append方法使用

当我们在使用 pandas 来处理数据时，DataFrame 是我们使用最频繁的数据结构之一。DataFrame 中的数据以二维表格的形式出现，其中每行代表一个数据样本，每列代表一个特征或变量。

在 pandas 的 DataFrame 中，我们可以使用 append 方法来合并两个 DataFrame。这个方法返回的是一个新的 DataFrame，原始的两个 DataFrame 不会被修改。

下面详细介绍 append 方法的用法。

基本用法

可以使用如下的方法调用 append：

df1.append(df2)

其中 df1 和 df2 是两个要合并的 DataFrame。默认情况下，append 沿着 DataFrame 的行的方向进行合并，即将 df2 添加到 df1 的下面。

下面的示例说明了这个基本用法：

import pandas as pd

# 创建两个 DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

# 合并两个 DataFrame
combined_df = df1.append(df2)

print(combined_df)

执行以上代码，输出的结果如下：

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

从上述输出结果可以看出，append 方法将 df2 添加到了 df1 的下面，形成了一个新的 DataFrame。

需要注意，append 方法并不会修改原始的两个 DataFrame，而是返回一个新的 DataFrame。因此，在使用 append 方法时，一定要将返回值赋值给某个变量。

指定参数

除了默认的行方向合并外，append 方法还可以指定一些参数。

1. 指定合并的列方向

除了默认的行方向合并以外，我们还可以指定通过哪一个轴来合并 DataFrame。可以通过设置参数 axis 来实现：

df1.append(df2, axis=1)

这样就可以将 df2 添加到 df1 的右边。

2. 忽略索引

默认情况下，append 方法会将原始 DataFrame 的索引保留在新的 DataFrame 中。可以通过设置参数 ignore_index 来忽略索引：

df1.append(df2, ignore_index=True)

这样就可以重新生成索引了，使其按照顺序从 0 开始。

下面的示例进一步说明了这两个参数的用法：

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=[0, 1, 2, 3])

# 沿着列方向合并，忽略索引
combined_df = df1.append(df2, axis=1, ignore_index=True)

print(combined_df)

执行以上代码，输出结果如下：

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

从上述输出结果可以看出，新的 DataFrame 中的索引已经被重新生成了。