Python中基于列生成新行及DataFrame append报错解决咨询

问题背景 #

原始数据集 #

hiring_mgr_id   candidate_id      candidate_name       emp_id       emp_name
    1000            1234               Joe                4321        Mike
    1000            1234               Joe                9876        Sam
    1000            1234               Joe                5674        Rob

需求 #

按hiring_mgr_id分组，若分组内的candidate_id不在该分组的emp_id列中，则新增一行，将emp_id和emp_name分别填充为对应的candidate_id和candidate_name。

期望结果 #

hiring_mgr_id      candidate_id      candidate_name      emp_id    emp_name
     1000                1234                Joe            4321        Mike
     1000                1234                Joe            9876        Sam
     1000                1234                Joe            5674        Rob
     1000                1234                Joe            1234        Joe

错误代码及报错 #

原代码：

new_row = [] 
for index, row  in df.iterrows():
    candidate_id= row['candidate_id']
    emp_id = row['emp_id']
    if candidate_id not in df['emp_id'].values:
       new_row.append({'hiring_mgr_id:row['hiring_mg'r_id],
       'candidate_name':row['candidate_name'],
       'emp_id':row['emp_id'],
       'emp_name': row['emp_name']
df = df.append(new_row,ignore_index = True) 

运行报错：'DataFrame' object has no attribute 'append'

问题分析 #

1. append方法移除：pandas 2.0及以上版本正式移除了DataFrame.append()方法，官方推荐使用pd.concat()替代。
2. 语法错误：原代码存在引号嵌套错误（'hiring_mgr_id:row['hiring_mg'r_id]）、字典未闭合的问题。
3. 逻辑错误：原代码新增行的emp_id和emp_name用了原行的emp字段值，不符合需求；同时没有按hiring_mgr_id分组检查，而是全局检查，逻辑不符合需求。

修正后的代码实现 #

import pandas as pd

# 构造示例数据集
data = {
    'hiring_mgr_id': [1000, 1000, 1000],
    'candidate_id': [1234, 1234, 1234],
    'candidate_name': ['Joe', 'Joe', 'Joe'],
    'emp_id': [4321, 9876, 5674],
    'emp_name': ['Mike', 'Sam', 'Rob']
}
df = pd.DataFrame(data)

new_rows = []

# 按hiring_mgr_id分组处理，确保每个分组独立检查
for mgr_id, group in df.groupby('hiring_mgr_id'):
    # 取当前分组的candidate信息（假设同一分组内candidate_id/name一致）
    candidate_id = group['candidate_id'].iloc[0]
    candidate_name = group['candidate_name'].iloc[0]
    # 检查当前分组的emp_id中是否不包含该candidate_id
    if candidate_id not in group['emp_id'].values:
        # 构造符合需求的新增行
        new_row = {
            'hiring_mgr_id': mgr_id,
            'candidate_id': candidate_id,
            'candidate_name': candidate_name,
            'emp_id': candidate_id,
            'emp_name': candidate_name
        }
        new_rows.append(new_row)

# 用pd.concat合并原数据和新增行，替代已移除的append方法
if new_rows:
    new_df = pd.DataFrame(new_rows)
    df = pd.concat([df, new_df], ignore_index=True)

# 输出结果
print(df)

代码说明 #

• 用groupby('hiring_mgr_id')实现分组逻辑，确保每个招聘经理的分组独立检查
• 针对每个分组，验证candidate_id是否存在于该分组的emp_id中
• 用pd.concat()合并原DataFrame和新生成的DataFrame，完全替代append的功能
• 修正了原代码的语法和逻辑错误，确保新增行符合需求

内容的提问来源于stack exchange，提问作者Coding_Nubie