升级Pandas后插入行触发FutureWarning，如何解决？

我有一个包含名为“ds”的日期时间列的DataFrame，数据完整，想要在现有数据前插入一行，使用了以下代码：

start = df_p['ds'].iloc[0] - pd.Timedelta(1,"d")
if start not in df_p.index:
    df_p.loc[start] = np.NaN

执行后触发了FutureWarning：

FutureWarning: The behavior of DataFrame concatenation with empty or all-NA entries is deprecated. In a future version, this will no longer exclude empty or all-NA columns when determining the result dtypes. To retain the old behavior, exclude the relevant entries before the concat operation.

问题原因 #

直接用df.loc[start] = np.NaN插入全NA行时，pandas内部会执行隐式的DataFrame合并操作，而全NA行的存在会触发 dtype 推断的 deprecation 提示——未来版本不再会自动排除全NA列来推断结果 dtype。

解决方法 #

方法1：显式构造单行DataFrame后合并（推荐）

先创建和原DataFrame列结构完全一致的单行数据，指定“ds”列的目标日期，其他列设为NaN，再和原DataFrame合并，明确控制列的 dtype，避免隐式合并带来的警告：

import pandas as pd
import numpy as np

# 获取要插入的前一天日期
start = df_p['ds'].iloc[0] - pd.Timedelta(1, "d")

# 构造匹配原DataFrame列结构的单行数据
new_row = pd.DataFrame({col: [np.NaN] for col in df_p.columns})
new_row['ds'] = start  # 给ds列赋值目标日期

# 合并新行与原DataFrame，ignore_index=True重置索引（不需要的话可以去掉）
df_p = pd.concat([new_row, df_p], ignore_index=True)

方法2：保留原索引逻辑的写法

如果需要保留原索引（比如用日期作为索引），可以先创建匹配列 dtype 的空Series，再合并：

start = df_p['ds'].iloc[0] - pd.Timedelta(1, "d")
if start not in df_p.index:
    # 创建和原DataFrame列结构、dtype一致的空Series
    new_row = pd.Series(index=df_p.columns, dtype=df_p.dtypes)
    new_row['ds'] = start
    # 转成DataFrame后和原数据合并
    df_p = pd.concat([new_row.to_frame().T, df_p])

内容的提问来源于stack exchange，提问作者Tunneller