关于pandas增加行时,索引名称的一些问题

学习pandas两天了,关于这个增加行的问题一直困扰着我,测试了几个代码,终于搞通了一点(昨天是因为代码敲错了。。。)

直接上代码:

1 dates = pd.date_range('20170101',periods=6) 
2 df1 = pd.DataFrame(np.arange(24).reshape((6,4)),index = dates,columns=['A','B','C','D'])

创建了一个名为df1的DataFrame,其中数据为24为排列数,关键是index的取值,我这里用的pandas自带的日期序列函数生成的dates

生成的df1如图:

关于pandas增加行时,索引名称的一些问题

 

 这里可以看到index的名称为date_time格式的

需要加入新的一行时,我采用了loc函数:

df1.loc[pd.to_datetime('20170108'),['A','B','C','D','E']] = [1,2,3,4,5]

按照之前的index的格式添加,显然增加的新行和之前行的形式是相同的:

关于pandas增加行时,索引名称的一些问题

 

 (这里图片多添加了一行,不牵扯)

但是如果,添加的index和之前的数据类型不同时,会报错么?

试一试:

df1.loc['20180108',['D','E']]=[1,2]

这里我将一个字符串’20180108‘,添加到新行的index,本以为会报错,结果:

关于pandas增加行时,索引名称的一些问题

 

 添加成功了,不过表格的格式也发生更改了,date_time原本隐藏的时间00:00:00显示出来。接着我添加相同名称的int32位变量试试:

df1.loc[20180108,['E','C']] = [1,3]

同样添加成功,神奇的一幕发生了:

关于pandas增加行时,索引名称的一些问题

 

 出现了两个完全相同的index:20180108

这是为什么呢?原来是因为,上面那行的20180108的数据类型是str,而下面那行的20180108数据类型是int32,系统判断是两个完全不同的数据,所以会出现两个完全相同的index在表格中

接着,再添加一个date_time格式的’20180108‘吧:

df1.loc[pd.to_datetime('20180108'),['A','B']] = [3,4]

结果不出所料:

关于pandas增加行时,索引名称的一些问题

 

 成功添加。

至此,pandas的添加行操作原理基本搞明白了,keep learning。

上一篇:pandas入门: 数据合并之--join


下一篇:学习pandas数据透视表