### Python Pandas 添加字典为 DataFrame 指定行的新列 为了向 `DataFrame` 中的特定行添加来自字典的新列，可以先将该字典转换成适合的形式再进行操作。通常情况下，直接通过赋值的方式可以在整个 `DataFrame` 上新增一列；然而对于仅更新某几行的需求，则需采用不同的策略。 假设有一个已存在的 `DataFrame` 和一个待插入的字典： ```python import pandas as pd # 已有的数据框 existing_data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], } df_existing = pd.DataFrame(existing_data) print("原始数据:") print(df_existing) ``` 现在想要在这个基础上，在第二行（即索引为1的位置）增加由下面这个字典表示的信息作为新的列： ```python new_column_info = {'Bonus': [8000, None, 9000]} ``` 可以通过以下方式实现这一目标: #### 方法一：使用 `.loc[]` 定位并填充 这种方法适用于当希望基于现有条件来决定哪些位置应该被赋予新值的情况。这里利用了`.loc[]` 来定位具体的行，并且只对该行设置新列的值[^1]。 ```python # 将字典中的列表转置以便于按行分配 bonus_series = pd.Series(new_column_info['Bonus']) for idx in range(len(bonus_series)): if bonus_series[idx] is not None: df_existing.loc[[idx], 'New_Bonus'] = bonus_series.iloc[idx] print("\n修改后的数据(方法一):") print(df_existing) ``` #### 方法二：构建临时 DataFrame 并合并 如果要处理更复杂的情形或是批量更新多个不同类型的字段，那么创建一个新的 `DataFrame` 然后再与原表连接可能更为直观有效[^2]。 ```python temp_df = pd.DataFrame({ **{k: v for k, v in existing_data.items()}, **{'New_Bonus': new_column_info['Bonus']} }) result_df = temp_df.dropna(subset=['New_Bonus']).reset_index(drop=True) print("\n修改后的数据(方法二):") print(result_df) ``` 这两种方法都能达到目的，具体选择取决于实际应用场景和个人偏好。值得注意的是，在执行上述任一步骤之前，请确保所使用的库版本是最新的，因为某些功能特性可能会随着版本变化而有所调整。