### 如何在Python Pandas DataFrame中添加新行或列 #### 添加新列 可以通过多种方式向 `DataFrame` 中添加新列： 1. **直接赋值** 可以为新的列名直接赋值，其长度应与当前 `DataFrame` 的行数一致。如果列表长度不匹配，则会引发错误。 ```python import pandas as pd df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) # 新增一列'C' df['C'] = [7, 8, 9] ``` 2. **使用 `.insert()` 方法** 如果需要控制新列的位置，可以使用 `.insert(loc, column, value)` 方法[^2]。 ```python df.insert(0, 'D', [10, 11, 12]) ``` 上述代码将在索引位置 `0` 插入名为 `'D'` 的新列。 --- #### 添加新行 同样存在多种方法来实现这一目标： 1. **通过 `.loc[]` 属性** 使用 `.loc[]` 来指定新行的索引，并为其分配相应的值。 ```python new_row = {'A': 4, 'B': 7} df.loc[len(df)] = new_row ``` 2. **利用 `.append()` 函数** 将单个字典或多行组成的另一个 `DataFrame` 追加到原表上。注意此操作不会修改原始对象，需设置参数 `ignore_index=True` 才能重置索引[^2]。 ```python new_df = pd.DataFrame({'A': [5], 'B': [8]}) result = df.append(new_df, ignore_index=True) ``` 3. **基于 NumPy 数组创建并追加** 当数据量较大时，先构建好完整的二维数组再一次性加入可能更高效[^4]。 ```python array_new_rows = [[6, 9]] temp_df = pd.DataFrame(array_new_rows, columns=df.columns) final_df = pd.concat([df, temp_df], axis=0).reset_index(drop=True) ``` 以上即为常见的用于扩展 Pandas 数据结构的技术手段说明[^1][^2]. ```python import pandas as pd import numpy as np # 创建初始 DataFrame df = pd.DataFrame(np.random.randn(4, 3), columns=list('ABC')) print("Original DataFrame:") print(df) # 添加新列 df['D'] = [1, 2, 3, 4] # 添加新行 (方法一: .loc[]) df.loc[len(df)] = [5, 6, 7, 8] # 添加新行 (方法二: .append()) new_row = pd.Series([9, 10, 11, 12], index=df.columns) appended_df = df.append(new_row, ignore_index=True) print("\nUpdated DataFrame with New Column and Rows:") print(appended_df) ```