如何在每次运行程序时向Pandas DataFrame中迭代添加新行（避免替换原有行）

你的问题根源很清晰：每次运行程序时，你都重新创建了一个空的DataFrame，之前运行程序添加的行根本没有被保存下来，所以每次看起来都是“替换”了之前的行——实际上每次都是一个全新的DataFrame只包含当前这一行。

要实现跨程序运行会话的行追加，核心是把数据持久化存储到文件中（比如CSV、Excel或其他格式），每次运行程序时先读取已有的数据，再追加新行，最后保存回去。

具体解决方案（以CSV文件为例） #

下面是修改后的代码逻辑，包含数据持久化的步骤：

import pandas as pd
import os

# 定义存储数据的文件路径，你可以根据自己的需求修改
data_file = "payroll_records.csv"

# 第一步：读取已有数据（如果文件存在），否则创建空DataFrame
if os.path.exists(data_file):
    # 读取已有的数据
    df = pd.read_csv(data_file)
else:
    # 文件不存在时，创建初始空DataFrame
    df = pd.DataFrame(columns=['Mois','Nom','Adresse','Net_payé','Total_versé'])

# 你的原有业务逻辑：获取动态变量（这里假设mylist、mois、nom、adresse已经正确定义）
net_index = mylist.index('NET PAYE EN EUROS ')
net = mylist[net_index + 2]
total_index = mylist.index('CONGES ')
total = mylist[total_index - 1]

# 创建新行的字典
new_row = {
    'Mois': mois, 
    'Nom': nom, 
    'Adresse': adresse,
    'Net_payé': net, 
    'Total_versé': total
}

# 追加新行到DataFrame（兼容Pandas新版本的写法）
new_df = pd.DataFrame([new_row])
df = pd.concat([df, new_df], ignore_index=True)

# 第二步：将更新后的DataFrame保存回文件，确保数据持久化
df.to_csv(data_file, index=False, encoding='utf-8')

关键说明 #

1. 数据持久化：通过os.path.exists检查文件是否存在，存在就读取已有数据，不存在才创建空DataFrame，这样每次运行程序都能基于历史数据追加。
2. 新版本Pandas兼容：append方法在Pandas 2.0+已被标记为过时，推荐使用pd.concat的方式来追加行，避免后续版本的兼容性问题。
3. 文件保存细节：to_csv的index=False参数可以避免保存时自动添加索引列，保持数据整洁；encoding='utf-8'确保特殊字符（比如法语字符）能正确存储。

可选方案：使用Excel文件 #

如果你更习惯用Excel存储，只需要把读取和保存的方法替换成Excel相关的API即可（需要提前安装openpyxl：pip install openpyxl）：

# 读取Excel文件
df = pd.read_excel(data_file, engine='openpyxl')

# 保存回Excel文件
df.to_excel(data_file, index=False, engine='openpyxl')

这样修改后，每次运行程序时，新的行就会追加到已有数据的末尾，而不是从头开始创建新的DataFrame了。

内容的提问来源于stack exchange，提问作者Fleur