如何在for循环中向Pandas DataFrame插入行并调整循环索引？

问题场景 #

你的DataFrame的S-Value列包含S1至S106、S108至S109，缺失S107。尝试用循环对比count变量与S-Value的数值部分来插入缺失行，但插入后索引错位，C语言中递减循环索引的思路在Python里无法解决这个问题，原代码如下：

for ind in RB.index:
    if (flag == 1):
        ind -= 1
        flag = 0
    if (count != int(RB['S-Value'][ind].split('S')[1])):
        print(RB['P-Block'][ind],'.',RB['S-Value'][ind], count)
        RB.loc[ind-0.5] = ['Unmapped','', RB['P-Block'][ind]+'.'+'S'+str(count), RB['P-Block'][ind], 'S'+str(count) ]  # adding a row
        RB = RB.sort_index()
        flag = 1
    print(count)
    count += 1
    if (count == 113):
        count = 1

问题根源 #

Python中遍历RB.index时，迭代器是基于初始索引序列生成的，插入行后DataFrame的索引虽然变化，但迭代器不会同步更新，导致后续循环的索引和实际数据行不匹配，手动修改ind变量也无法改变迭代器的走向，这就是索引错位的原因。

更符合Python思维的解决方案 #

不要用循环遍历索引的方式，利用Pandas的向量化操作和合并功能直接补全缺失行，步骤如下：

1. 提取原数据的S数值 #

先从S-Value中提取纯数字部分，方便后续匹配：

RB['s_num'] = RB['S-Value'].str.extract('(\d+)').astype(int)

2. 生成完整的目标序列 #

构造包含所有需要的S值（S1到S109）的基准DataFrame：

import pandas as pd

# 生成1到109的完整数值序列
full_s = pd.DataFrame({'s_num': range(1, 110)})
# 构造对应的S-Value、P-Block及合并列
full_s['S-Value'] = 'S' + full_s['s_num'].astype(str)
# 这里假设所有S值属于同一个P-Block，若实际是多组P-Block，需按对应逻辑生成
full_s['P-Block'] = RB['P-Block'].iloc[0]
full_s['合并列'] = full_s['P-Block'] + '.' + full_s['S-Value']

3. 合并补全缺失行 #

通过左连接将原DataFrame和基准DataFrame合并，自动填充缺失行，再替换默认值：

# 左连接保留基准的所有行，匹配原数据的已有行
merged_df = pd.merge(full_s, RB, on=['s_num', 'S-Value', 'P-Block'], how='left')

# 填充缺失列的默认值，对应你原代码中的'Unmapped'等内容
merged_df['列名1'] = merged_df['列名1'].fillna('Unmapped')  # 替换原代码第一个元素
merged_df['列名2'] = merged_df['列名2'].fillna('')  # 替换原代码第二个空元素
merged_df['合并列'] = merged_df['合并列_x'].fillna(merged_df['合并列_y'])

# 清理临时列，重置索引
merged_df = merged_df.drop(['s_num', '合并列_x', '合并列_y'], axis=1)
merged_df = merged_df.reset_index(drop=True)

方案优势 #

• 避免循环索引错位问题：完全基于Pandas的向量化操作，不需要手动处理索引
• 高效且易扩展：数据量越大，对比循环的优势越明显，后续新增缺失项也无需修改逻辑
• 逻辑清晰：从"完整序列"出发，直接匹配补全，可读性更强

内容的提问来源于stack exchange，提问作者cavediver