Pandas行添加的重要性

在数据分析工作中，向现有数据集添加新行是一项常见任务。无论是新增记录、合并数据集还是更新信息，掌握高效的添加行方法至关重要。

本教程将详细介绍Pandas中添加行数据的三种主要方法：loc[]、append()和concat()，并分析它们的适用场景和性能特点。

方法一：使用loc添加行

loc[]是Pandas中最常用的行标签索引器，也可用于添加新行。

基本用法

import pandas as pd

# 创建初始DataFrame
df = pd.DataFrame({
    '姓名': ['张三', '李四'],
    '年龄': [25, 30],
    '城市': ['北京', '上海']
})

# 使用loc添加新行
df.loc[2] = ['王五', 28, '广州']

print(df)

添加多行

# 添加多行数据
new_rows = [
    ['赵六', 35, '深圳'],
    ['钱七', 40, '杭州']
]

for row in new_rows:
    df.loc[len(df)] = row

print(df)

方法二：使用append添加行

append()方法用于将其他DataFrame或类似结构的数据添加到现有DataFrame的末尾。

基本用法

# 创建新行DataFrame
new_data = pd.DataFrame({
    '姓名': ['孙八'],
    '年龄': [45],
    '城市': ['南京']
})

# 使用append添加行
df = df.append(new_data, ignore_index=True)

print(df)

添加字典数据

# 添加字典形式的数据
df = df.append(
    {'姓名': '周九', '年龄': 33, '城市': '成都'}, 
    ignore_index=True
)

print(df)

方法三：使用concat添加行（推荐）

concat()是Pandas中最灵活、最高效的数据合并方法，尤其适合批量添加行。

基本用法

# 创建新行DataFrame
new_rows = pd.DataFrame({
    '姓名': ['吴十', '郑十一'],
    '年龄': [29, 31],
    '城市': ['武汉', '西安']
})

# 使用concat添加行
df = pd.concat([df, new_rows], ignore_index=True)

print(df)

性能优势

与循环添加或append相比，concat在添加大量行时性能更优：

方法比较与最佳实践

常见问题解答

new_row = pd.Series({'姓名': '董十二', '年龄': 27, '城市': '重庆'})
new_row = new_row.reindex(df.columns)
df = pd.concat([df, new_row.to_frame().T], ignore_index=True)

# 收集新数据
new_data_list = [
    {'姓名': '魏十三', '年龄': 38, '城市': '天津'},
    {'姓名': '蒋十四', '年龄': 42, '城市': '苏州'}
]

# 批量创建DataFrame
new_df = pd.DataFrame(new_data_list)

# 高效合并
df = pd.concat([df, new_df], ignore_index=True)