Pandas DataFrameに行と列を追加する方法：append関数を使いこなす
- Name
- Rajiv Chandra
Updated on
Pandasは、データサイエンティストにとって重要なオープンソースのPythonライブラリで、構造化データの操作が簡単なため、世界中でよく使用されています。その中でも、DataFrameはPandasの基本的なデータ構造の1つで、大量のデータを効率的に扱うことができます。
Pandas DataFrameを使用する際の一般的なタスクとして、データの追加があります。この操作は、行の追加、列の追加、さらにはDataFrame全体の追加まで行われます。最初はかなり難しく見えるかもしれませんが、一旦append関数をマスターすれば簡単です。それでは、PandasのDataFrame append関数をどのように活用するか、詳しく見ていきましょう。
Python Pandas Dataframeから簡単にデータ可視化を作成したいですか?
PyGWalkerは、可視化を伴う探索的データ解析のためのPythonライブラリです。 PyGWalker (opens in a new tab)を使用すると、pandas dataframe（および polars dataframe）を Tableauスタイルのユーザーインタフェースに変換し、視覚的な探索をシンプルにすることができます。
Pandas DataFrameのAppend関数
PandasのDataFrame append関数は、他のDataFrameオブジェクトの行を追加し、新しいDataFrameを返します。この関数を理解するには、この関数が元のDataFrameを変更せず、元のデータと追加されたデータを組み合わせた新しいDataFrameを作成することが重要です。
PandasのAppend関数の構文
append()関数の基本構文は、次のようになります。
DataFrame.append(other, ignore_index=False, sort=False)- other: DataFrame、Series、辞書、またはこれらのリストで定義された、追加するデータを定義します。
- ignore_index: Trueの場合、結果のDataFrameのインデックスは0、1、…、nとラベル付けされます。デフォルトはFalseです。
- sort: これは、結合しない軸をソートするかどうかを定義します。デフォルトはFalseです。
例を通じてappend関数を見ていきましょう。
DataFrameに行を追加する
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2'],
'C': ['C0', 'C1', 'C2'],
'D': ['D0', 'D1', 'D2']},
index=[0, 1, 2])
df2 = pd.DataFrame({'A': 'A3',
'B': 'B3',
'C': 'C3',
'D': 'D3'},
index=[3])
df1 = df1.append(df2)
. Pythonのimportで始まるコードは翻訳しないでください。frontmatterがある場合は、frontmatterのコンテンツを翻訳してください。jsonldコンポーネントがある場合、json-ldコンテンツも翻訳する必要があります。
print(df1)上記の例では、df1は元のDataFrameであり、df2がそれに追加されます。結果のDataFrameには、df1とdf2のすべての行が含まれます。
複数のDataFrameを追加する
複数のDataFrameを追加することも簡単なプロセスです。append関数は、追加するDataFrameのリストを取ることができます。次の例を考えてみましょう。
df3 = pd.DataFrame({'A': 'A4',
'B': 'B4',
'C': 'C4',
'D': 'D4'},
index=[4])
df1 = df1.append([df2, df3])
print(df1)この例では、df2とdf3を同時にdf1に追加しています。
PandasのDataFrame AppendとConcat
Pandasのappend()関数とconcat()関数の違いについて疑問に思うかもしれません。両方とも同様の目的を持つように思われます。 append()はconcat（）の特定の場合であるため、concat()関数は、行軸（axis=0）または列軸（axis=1）に沿ってデータを追加するための機能など、より多様な機能を提供します。このより広範な機能性は、concat()がより複雑なデータ操作タスクにとってはより強力なツールになる可能性があることを意味します。ただし、単純な追加タスクの場合、append()はしばしば十分です。
DataFrame Pandasに列を追加する
DataFrameに列を追加するには、DataFrame内の新しい列にデータを割り当てるだけで実現できます。たとえば：
df1['E'] = ['E0', 'E1', 'E2', 'E3', 'E4']
print(df1)この例では、新しい列'E'がdf1に追加されます。新しい列には、'E0'、'E1'、'E2'、'E3'、'E4'の値が設定されます。
Python DataFrameのForループの出力を追加する
forループの出力をDataFrameに追加することもできます。これは、ループでデータを処理または生成するシナリオで役立ちます。次の例を見てみましょう。
df = pd.DataFrame(columns = ['A', 'B', 'C'])
for i in range(5):
df = df.append({'A': i, 'B': i*2, 'C': i+3}, ignore_index=True)
print(df)この例では、ループの各繰り返しに対して、新しい行が作成され、DataFrame dfに追加されます。
PandasでDataFrame行を追加するためのベストプラクティス
append()関数は、DataFrameにデータを追加するための簡単なツールですが、常に新しいDataFrameを返すため、ループ内で行を追加する場合、メモリの消費量が著しく増加する可能性があります。
多数の行を追加する必要がある場合、行のリストを作成し、一度にDataFrameを作成する方が効率的な場合があります。
rows_list = []
for i in range(100000):
dict1 = {'A': i, 'B': i*2, 'C': i+3}
rows_list.append(dict1)
df = pd.DataFrame(rows_list)この例では、DataFrameは1回だけ作成され、メモリと処理時間を節約します。
Append()を使用したPandas DataFrameのマージ方法
merge()やjoin()関数は、DataFramesをマージまたは結合するために特に設計されていますが、DataFramesが同じ列を持っている場合、append()関数でもこれを実現できます。
df1 = df1.append(df2, ignore_index=True)この例では、df2がdf1の末尾に追加され、実質的に2つのDataFramesがマージされます。
結論
この記事では、Pandasのappend()関数を使用して、DataFrameに行や列を追加する方法、複数のDataFramesを追加する方法、列を追加する方法、ループからの出力を追加する方法について説明しました。append()は便利で使いやすいですが、大規模なデータセットの場合には、他の方法がより効率的である場合があります。
よくある質問
-
Pandas DataFrameの
append()関数は何に使用されますか？PandasのDataFrameの
append()関数は、他のDataFrameオブジェクトの行を終わりに追加して、新しいDataFrameオブジェクトを返します。オリジナルのDataFrameを変更しません。代わりに、オリジナルと追加されたデータが含まれる新しいDataFrameが作成されます。 -
append()を使用して複数のDataFramesを追加できますか？はい、
append()関数を使用して複数のDataFramesを追加できます。DataFramesのリストを一緒に追加できます。 -
DataFrameにデータを追加するために
append()メソッドを使用することをお勧めしますか？append()関数は使いやすく、多くの場合に適していますが、大規模なDataFrameの場合には、常に新しいDataFrameを返すため、最も効率的な方法ではない場合があります。代わりに、行または列のリストを作成し、このリストを一度にDataFrameに変換することを検討してください。