无需逐个指定列值创建同结构Pandas DataFrame行的方法

我在论坛上找到的相关帖子都是关于SQL INSERT语句的，找不到Python DataFrames相关的解决办法。

背景：我有一个列数极多的DataFrame，多到逐个指定或复制列名完全不现实。我想创建一个和原DataFrame列结构（列名、列数）完全一致的新DataFrame，只填充其中少量字段，其余字段用默认值（比如0、'No data'）填充。

示例 #

原DataFrame结构：

|Field1|Field2|Field3|...|Field101|Field102|Field103|
|DATA1-|------|Data3-|---|--------|Data102-|--------|
|DATA1-|Data2-|Data3-|---|--------|Data102-|Data103-|
|------|Data2-|------|---|Data101-|--------|--------|
...
and many more rows

拟输入的数据（也可以用其他Python结构）：

{'Field4': 'Hello', 'Field12': 'World!', 'Field29': 'Stack', 'Field61': 'Overflow', 'Field73': '2024', 'Field97': 'helps.'}

目标：新DataFrame中仅填充上述6个字段，其余字段全部用默认值填充。请问怎么实现？能不能用列表/字典推导结合append或iloc方法？或者有没有Pandas自带的简单函数可以快速搞定？

这里有几种高效的实现方式，完全不用手动列所有列名：

方法1：生成默认行后更新指定字段 #

这是最直接的方式，先基于原DataFrame的列生成一条全默认值的记录，再替换需要填充的字段：

import pandas as pd

# 假设原DataFrame名为df
default_value = 0  # 可替换为'No data'等自定义默认值

# 生成全默认值的单行DataFrame
new_df = pd.DataFrame([{col: default_value for col in df.columns}])

# 用输入字典更新指定字段
update_dict = {'Field4': 'Hello', 'Field12': 'World!', 'Field29': 'Stack', 'Field61': 'Overflow', 'Field73': '2024', 'Field97': 'helps.'}
new_df.loc[0, update_dict.keys()] = update_dict.values()

方法2：用reindex快速对齐列 #

先把输入字典转成单行DataFrame，再用原DataFrame的列做索引对齐，缺失列自动填充默认值：

import pandas as pd

update_dict = {'Field4': 'Hello', 'Field12': 'World!', 'Field29': 'Stack', 'Field61': 'Overflow', 'Field73': '2024', 'Field97': 'helps.'}
default_value = 0

# 字典转单行DataFrame后，对齐原DataFrame的列结构
new_df = pd.DataFrame([update_dict]).reindex(df.columns, fill_value=default_value)

方法3：基于原DataFrame空结构生成新行 #

先提取原DataFrame的空结构，再生成带默认值的新行并更新指定字段：

import pandas as pd

update_dict = {'Field4': 'Hello', 'Field12': 'World!', 'Field29': 'Stack', 'Field61': 'Overflow', 'Field73': '2024', 'Field97': 'helps.'}
default_value = 0

# 生成与原DataFrame列一致的默认值Series
new_row = pd.Series(default_value, index=df.columns)
# 更新指定字段
new_row.update(pd.Series(update_dict))

# 转成最终的DataFrame
new_df = pd.DataFrame([new_row])

进阶：按数据类型设置不同默认值 #

如果需要给数值型列和字符串型列设置不同默认值，可以根据原DataFrame的字段类型生成对应默认值：

import pandas as pd

update_dict = {'Field4': 'Hello', 'Field12': 'World!', 'Field29': 'Stack', 'Field61': 'Overflow', 'Field73': '2024', 'Field97': 'helps.'}

# 按字段类型分配默认值：数值型用0，其他用'No data'
default_dict = {
    col: 0 if df[col].dtype in ['int64', 'float64'] else 'No data' 
    for col in df.columns
}

new_df = pd.DataFrame([default_dict])
new_df.loc[0, update_dict.keys()] = update_dict.values()

内容的提问来源于stack exchange，提问作者THill3