在日常的数据处理工作中，我们经常会遇到需要整合多个数据源的情况。也许你手头有一份昨天的销售记录，今天又收到了新的数据，你需要将它们合并成一份完整的报表。在 Python 的 Pandas 库中，DataFrame.append() 方法曾经是我们最常想到的工具之一。
在这篇文章中，我们将深入探讨如何使用 Pandas 来拼接数据框。虽然 INLINECODE173f03bc 方法在 Pandas 2.0 版本中已经被正式移除（取而代之的是更强大的 INLINECODE24d4fe46），但理解它的工作原理对于我们掌握数据操作的底层逻辑依然至关重要。我们将一起探索它的基本用法、处理索引的技巧、如何应对不同形状的数据，以及为什么在现代 Python 开发中我们应该转向更高效的替代方案。
基本概念：什么是数据追加？
简单来说，数据追加就是将一个数据集的行添加到另一个数据集的末尾。在这个过程中，如果新的数据中包含了原数据集中不存在的列，Pandas 会自动创建这些新列，并用 NaN（Not a Number）来填充缺失的值。
> 核心概念： 追加操作通常不会修改原始的数据框对象。出于数据安全和不可变性的设计考虑，这些方法通常会返回一个全新的数据框副本。你需要将结果重新赋值给一个变量来保存它。
场景一：将一个数据框追加到另一个数据框
让我们从最基础的场景开始。假设我们有两个结构相似的数据框，分别记录了两组数据。我们希望将第二组数据拼接到第一组数据的下面。
在这个例子中，我们将创建两个简单的数据框，并演示如何将它们合并。
# 导入 pandas 库，并将其简写为 pd
import pandas as pd
# 使用字典创建第一个数据框 (df1)
# 包含两列数据：‘a‘ 和 ‘b‘
df1 = pd.DataFrame({
"a": [1, 2, 3, 4],
"b": [5, 6, 7, 8]
})
# 使用字典创建第二个数据框 (df2)
# 列名与 df1 相同，但行数较少
df2 = pd.DataFrame({
"a": [1, 2, 3],
"b": [5, 6, 7]
})
# 打印原始数据框以便对比
print("原始数据框 df1:")
print(df1)
print("
原始数据框 df2:")
print(df2)
# 使用 append 将 df2 追加到 df1 的末尾
# 注意：这会返回一个新的对象
df_combined = df1.append(df2)
print("
合并后的数据框:")
print(df_combined)
代码解析：
当我们运行这段代码时，你会注意到输出的合并数据框中，索引值（最左侧的一列）是重复的。INLINECODE0c17b53e 的索引是 0-3，而 INLINECODE2fc4ce60 的索引也是 0-2。Pandas 默认保留了这些原始索引。虽然这在某些追踪数据的场景下很有用，但在大多数数据分析中，重复的索引可能会引起混淆或导致后续的错误。
深入语法：关键参数详解
为了更灵活地控制追加行为，Pandas 提供了几个关键参数。理解这些参数能让你在处理复杂数据时游刃有余。
语法回顾：
DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=None)
核心参数说明：
- other：这是我们要追加的数据。它可以是另一个 DataFrame、Series、字典对象，甚至是这些对象的列表。
- ignore_index (布尔值)：
* 如果为 False（默认值）：保留原有的索引标签。你可能会得到重复的索引值。
* 如果为 True：Pandas 会忽略原索引，并自动为合并后的新数据框分配一个新的、连续的整数索引（0, 1, 2, …）。这是我们在重置数据行数时最常用的设置。
- verify_integrity (布尔值)：
* 如果为 INLINECODE10d3ae0f，Pandas 会检查结果对象中的索引是否重复。如果发现重复，它会引发 INLINECODE4b4a8550。这虽然会增加一些计算开销，但在需要确保索引唯一性的场景下非常有用。
- sort (布尔值)：
* 当两个数据框的列不完全一致时，该参数决定是否对列进行排序。由于 Pandas 版本的迭代，建议显式指定 sort=False 以消除潜在的未来警告并保持列的原始顺序。
场景二：处理索引与重置
正如我们在第一个例子中看到的，重复的索引往往不是我们想要的。让我们修正这个问题，使用 ignore_index=True 来生成一个整洁的、连续的索引。
# 为了演示清晰，我们重新定义数据
df1 = pd.DataFrame({"a": [1, 2, 3, 4], "b": [5, 6, 7, 8]})
df2 = pd.DataFrame({"a": [1, 2, 3], "b": [5, 6, 7]})
# 使用 ignore_index=True 参数
# 这将告诉 Pandas 不要保留原来的索引值，而是生成一个新的连续索引
df_new_index = df1.append(df2, ignore_index=True)
print(df_new_index)
输出结果：
a b
0 1 5
1 2 6
2 3 7
3 4 8
4 1 5
5 2 6
6 3 7
观察： 请看索引列，它现在是从 0 连续到 6 的。这非常适合我们在循环或基于位置的运算中使用。
场景三：追加单行数据（字典与 Series）
很多时候，数据并不是以一个完整的数据框形式存在的，而是零零散散的字典或者单条记录。我们需要把这些数据"塞"进现有的数据框中。
让我们尝试将一个字典追加到数据框的末尾。
import pandas as pd
# 初始化数据框
df = pd.DataFrame({
"a": [1, 2, 3, 4],
"b": [5, 6, 7, 8]
})
# 定义一个新的行数据（字典格式）
new_row = {"a": 10, "b": 10}
# 将字典作为行追加
# 同样建议使用 ignore_index=True 以保持索引整洁
df_appended = df.append(new_row, ignore_index=True)
print(df_appended)
输出结果：
a b
0 1 5
1 2 6
2 3 7
3 4 8
4 10 10
实战经验：
你可能会问，"能不能追加一个 Series？" 当然可以。如果你传入一个 Series，Pandas 会尝试将其名称对齐到索引，或者将其作为一行数据填充。但要注意，如果你在循环中逐行 append，性能会非常差。如果是构建大数据集，建议先将数据收集在列表中，最后一次性创建 DataFrame。
场景四：处理不同形状的数据框（列对齐与 NaN）
现实世界的数据往往是"脏"的。并不是所有的表格都有相同的列。比如，df1 有 ‘a‘ 和 ‘b‘ 列，而 df2 有 ‘a‘, ‘b‘ 和 ‘c‘ 列。当我们追加 df2 到 df1 时会发生什么？
Pandas 足够智能，它会执行集合的并集操作。结果将包含所有出现过的列。对于没有该列的数据行，Pandas 会自动填充 NaN。
import pandas as pd
# 第一个数据框：只有 a 和 b 列
df1 = pd.DataFrame({
"a": [1, 2, 3, 4],
"b": [5, 6, 7, 8]
})
# 第二个数据框：包含 a, b 和一个新列 c
df2 = pd.DataFrame({
"a": [1, 2, 3],
"b": [5, 6, 7],
"c": ["apple", "banana", "cherry"]
})
# 执行追加操作
# Pandas 会自动处理列的对齐
df_combined_shape = df1.append(df2, ignore_index=True)
print(df_combined_shape)
输出结果：
a b c
0 1 5 NaN
1 2 6 NaN
2 3 7 NaN
3 4 8 NaN
4 1 5 apple
5 2 6 banana
6 3 7 cherry
关键理解：
在这个例子中，df1 本来没有 ‘c‘ 列。在合并后的结果中，前 4 行（来自 df1）的 ‘c‘ 列被自动填充为 NaN（空值）。这是 Pandas 处理缺失值的核心机制，既保证了数据的完整性，又不会丢失任何信息。
性能警示与最佳实践：为什么 append 被弃用了？
在继续之前，我们必须严肃地讨论一个重要的变化：Pandas 2.0 已经彻底移除了 append 方法。
为什么？
- 性能问题： 每次 append 操作都会创建一个全新的数据框对象，并复制所有旧数据和新数据。如果你在一个循环中执行
df = df.append(row)1000 次，你实际上重复复制了数据 1000 次，这会导致呈指数级的时间消耗和内存浪费。 - 功能冗余： INLINECODEe31116f3 本质上是 INLINECODE3581823a 的一个特定用例的封装。
pd.concat功能更强大，且支持一次性合并多个对象。
现代替代方案：pd.concat()
为了写出更高效、更符合现代标准的代码，我们应该使用 pandas.concat()。它的用法非常相似，但功能更全面。
如何迁移代码：
- 旧写法：
# 已废弃/移除
result = df1.append(df2, ignore_index=True)
- 新写法：
# 推荐写法
import pandas as pd
# 将要合并的数据框放入一个列表中
result = pd.concat([df1, df2], ignore_index=True)
高级技巧：使用列表进行高效批量追加
如果你正在处理实时数据流，或者在一个循环中收集数据，永远不要在循环里调用 INLINECODE321abdf5 或 INLINECODE8ec8ca40。这是新手最容易犯的错误。
错误的示范（极慢）：
df = pd.DataFrame(columns=[‘A‘, ‘B‘])
for i in range(1000):
df = df.append({‘A‘: i, ‘B‘: i*2}, ignore_index=True) # 每次都复制整个数据框
正确的示范（极快）：
# 1. 先创建一个空列表来存储数据
data_list = []
# 2. 在循环中仅将数据添加到列表（非常轻量）
for i in range(1000):
data_list.append({‘A‘: i, ‘B‘: i*2})
# 3. 循环结束后，一次性将列表转换为 DataFrame
df = pd.DataFrame(data_list)
# 或者如果需要合并已有的 df:
# df = pd.concat([df, pd.DataFrame(data_list)], ignore_index=True)
通过这种"先收集，后转换"的策略，你的代码速度可能会提升几十倍甚至上百倍。
常见错误排查
- 类型不匹配警告：
如果 df1 的列 ‘a‘ 是整数，而 df2 的列 ‘a‘ 是字符串，Pandas 会尝试将它们转换为兼容的类型（通常是 object 类型，即字符串）。这虽然不会报错，但会降低计算效率。最好在追加前使用 astype() 统一数据类型。
- 键错误：
当你试图追加一个字典时，字典的键必须与数据框的列名对应。如果字典中有数据框中没有的列，只要设置了 sort=True（或默认行为），结果会自动增加新列并填充 NaN。但在严格模式下，最好确保列名一致。
总结与关键要点
在本文中，我们详细探讨了 Pandas 数据框的追加操作。从简单的 append 到处理复杂的列对齐，我们覆盖了以下核心要点：
- 追加的本质： 数据追加本质上是行方向的合并，对于缺失的列会自动填充
NaN。 - 索引管理： 使用
ignore_index=True是避免重复索引混乱的最简单方法。 - 性能至上： 绝对避免在循环中使用
append。始终使用列表收集数据，最后一次性创建 DataFrame。 - 拥抱变化： INLINECODE46c619d8 已成为历史。请尽快习惯使用 INLINECODE0b31e702，这不仅是为了兼容未来的 Pandas 版本，也是为了写出更专业的代码。
掌握了这些技巧，你将能够更自信地处理各种数据合并任务，构建出高效且健壮的数据处理流程。下次当你需要把两个表拼在一起时，不妨停下来想一想："我是在高效地连接数据，还是在制造性能瓶颈？" 祝你在数据探索的旅程中一切顺利！