### 如何将不同类型的数据插入 Pandas DataFrame #### 创建 DataFrame 并插入新列 为了展示如何将不同类型的数据插入 `pandas.DataFrame`，先创建一个简单的 DataFrame： ```python import pandas as pd data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]} df = pd.DataFrame(data) print(df) ``` 输出将是这样的表格形式： | | Name | Age | |---:|----------|----:| | 0 | Alice | 25 | | 1 | Bob | 30 | | 2 | Charlie | 35 | 现在假设要向这个 DataFrame 添加一个新的布尔类型列 `'IsStudent'` 和一个浮点数类型的列 `'Height'`。 可以通过直接赋值的方式轻松实现这一点。对于固定值数据列来说，这尤其简单[^1]： ```python # 插入布尔类型的新列 IsStudent df['IsStudent'] = True # 插入浮点数类型的新列 Height heights = [165.5, 178.0, 172.5] df['Height'] = heights print(df) ``` 更新后的 DataFrame 将会是这样： | | Name | Age | IsStudent | Height | |---:|----------|----:|:---------:|-------:| | 0 | Alice | 25 | True | 165.5 | | 1 | Bob | 30 | True | 178.0 | | 2 | Charlie | 35 | True | 172.5 | 如果想要添加单个新行，则可以使用 `.loc[]` 或者 `.append()` 方法[^2]。下面是一个例子，其中新增了一位名为 David 的成员的信息作为新的一行： ```python new_row = {'Name': 'David', 'Age': 40, 'IsStudent': False, 'Height': 180.0} df.loc[len(df)] = new_row print(df) ``` 最终得到的结果将会包含新加入的一行记录： | | Name | Age | IsStudent | Height | |---:|----------|----:|:---------:|-------:| | 0 | Alice | 25 | True | 165.5 | | 1 | Bob | 30 | True | 178.0 | | 2 | Charlie | 35 | True | 172.5 | | 3 | David | 40 | False | 180.0 | 上述过程展示了如何有效地管理并扩展现有的 DataFrame 结构，支持多种数据类型的混合使用，这是 Pandas 库强大功能的一部分[^3]。