首先得明确：你用df.loc[index] = series的方式不会自动新增DataFrame原本没有的列——因为.loc赋值只会匹配当前DataFrame已有的列，Series里多余的列会直接被忽略，这就是你当前代码输出没有c列的核心原因。

接下来给你两种满足需求的方案：

方案1：先扩展DataFrame的列，再用.loc赋值 #

如果还是想用.loc的方式，那得先把Series里的所有列都加到DataFrame中（不存在的列会被创建，默认值可以设为pd.NA或者np.nan），之后再赋值就会保留新列了：

import pandas as pd
index = 1
series = pd.Series({'a':2, 'b':54, 'c':945})
df = pd.DataFrame({'a': {0: 1, 1: 2, 2: 3}, 'b': {0: 3, 1: 54, 2: 1}})

# 遍历Series的列，给DataFrame添加缺失的列
for col in series.index:
    if col not in df.columns:
        df[col] = pd.NA  # 这里也可以用np.nan，根据你的需求选择

# 现在再赋值就会包含c列了
df.loc[index] = series

执行后输出就是你想要的样子，其他行的c列会显示为缺失值（你可以根据需要替换成空字符串之类的）。

方案2：按索引合并Series到DataFrame（更简洁的方式） #

如果不想手动处理列，直接用pandas的合并方法更高效，这里给你两种常用的方式：

方式A：用pd.concat合并 #

把Series转成单行的DataFrame，先删除原DataFrame中要更新的行，再合并后重新排序索引：

import pandas as pd
index = 1
# 给Series指定name为要更新的索引值，方便转成DataFrame后匹配
series = pd.Series({'a':2, 'b':54, 'c':945}, name=index)
df = pd.DataFrame({'a': {0: 1, 1: 2, 2: 3}, 'b': {0: 3, 1: 54, 2: 1}})

# 将Series转成单行DataFrame
series_df = series.to_frame().T
# 合并：先删掉原df中要更新的行，再合并新的行，最后排序索引
df = pd.concat([df.drop(index), series_df]).sort_index()

方式B：用join + update组合操作 #

先通过join添加Series里的新列，再用update覆盖指定索引行的已有列值：

import pandas as pd
index = 1
series = pd.Series({'a':2, 'b':54, 'c':945})
df = pd.DataFrame({'a': {0: 1, 1: 2, 2: 3}, 'b': {0: 3, 1: 54, 2: 1}})

# 把Series转成单行DataFrame，索引设为目标行索引
series_df = series.to_frame().T
series_df.index = [index]

# 先join添加所有新列
df = df.join(series_df, how='outer')
# 再update覆盖指定行的已有列值
df.update(series_df)

这两种合并方式都能自动帮你新增c列，同时更新指定索引行的对应值，完全符合你的期望。

内容的提问来源于stack exchange，提问作者RMRiver