Python 向具有特定索引名的数据帧添加新行

我正在尝试使用特定的索引名

'e'

向数据框添加新行

    number   variable       values
a    NaN       bank          true   
b    3.0       shop          false  
c    0.5       market        true   
d    NaN       government    true   

我尝试了以下方法，但它创建了一个新列而不是新行

new_row = [1.0, 'hotel', 'true']
df = df.append(new_row)

---

仍然不知道如何插入具有特定索引的行。如果您有任何建议，我们将不胜感激。

如果您想一次添加多行，请通过将列表转换为数据帧来使用append

df = df.append(pd.DataFrame([new_row],index=['e'],columns=df.columns))

或单排（谢谢@Zero）

输出：

number variable values a NaN bank True b 3.0 shop False c 0.5 market True d NaN government True e 1.0 hotel true 数字变量值 阿楠银行真的吗 b 3.0商店假 c 0.5市场真实值 德南政府真的吗 真e 1.0酒店

---

您可以使用

df.loc[\u尚未\u现有的\u索引\u标签]=新的\u行

演示：

PS使用此方法，您无法添加具有已存在（重复）索引值（标签）的行-在这种情况下，具有此索引标签的行将被更新

---

更新：

如果索引为a，则在最近的Pandas/Python3中可能不起作用 DateTimeIndex和新行的索引不存在

如果我们指定了正确的索引值，它将起作用

演示（使用熊猫：0.23.4）：

---

如果它是您需要的第一行：

df = Dataframe(columns=[number, variable, values])
df.loc['e', [number, variable, values]] = [1.0, 'hotel', 'true']

---

在索引和列名冲突的情况下，应该是正确的实现。

Wow super simple。但愿我用过。都是关于timings@Bharathshetty，是的，如果我需要添加一行，如果我需要添加2+行，我使用这个方法-i；我使用你的方法（

df.append（另一个df）

）我在我的回答中添加了这一点

df.append（pd.Series）（新行，index=df.columns，name='e'）

--Series应该可以用于单行。@yeliabsalohcin，它可以工作-请查看更新的答案@Zero的可能重复项我已经阅读了链接中的答案，但他们正在讨论在那里添加随机值。

df.append（pd.Series（新行，index=df.columns，name='e'））

series应该可以。@Zero series是我的第一个想法，与名称和索引有点混淆。因此，我选择了DataFrame方法。我更新了我的答案。我想成为第一个这样回答的人。这适用于带有DateTimeIndex的pandas DataFrame，当它试图添加一个包含索引中不存在的新datetime的行时。

In [3]: df.loc['e'] = [1.0, 'hotel', 'true']

In [4]: df
Out[4]:
   number    variable values
a     NaN        bank   True
b     3.0        shop  False
c     0.5      market   True
d     NaN  government   True
e     1.0       hotel   true

In [17]: ix = pd.date_range('2018-11-10 00:00:00', periods=4, freq='30min')

In [18]: df = pd.DataFrame(np.random.randint(100, size=(4,3)), columns=list('abc'), index=ix)

In [19]: df
Out[19]:
                      a   b   c
2018-11-10 00:00:00  77  64  90
2018-11-10 00:30:00   9  39  26
2018-11-10 01:00:00  63  93  72
2018-11-10 01:30:00  59  75  37

In [20]: df.loc[pd.to_datetime('2018-11-10 02:00:00')] = [100,100,100]

In [21]: df
Out[21]:
                       a    b    c
2018-11-10 00:00:00   77   64   90
2018-11-10 00:30:00    9   39   26
2018-11-10 01:00:00   63   93   72
2018-11-10 01:30:00   59   75   37
2018-11-10 02:00:00  100  100  100

In [22]: df.index
Out[22]: DatetimeIndex(['2018-11-10 00:00:00', '2018-11-10 00:30:00', '2018-11-10 01:00:00', '2018-11-10 01:30:00', '2018-11-10 02:00:00'], dtype='da
tetime64[ns]', freq=None)

df = Dataframe(columns=[number, variable, values])
df.loc['e', [number, variable, values]] = [1.0, 'hotel', 'true']

df.loc['e', :] = [1.0, 'hotel', 'true']