在for循环中向Pandas指定列的Series追加Series无效的问题排查

你遇到的问题核心在于pandas的索引对齐规则，而不是append或concat方法本身的问题。让我一步步拆解：

为什么原代码不生效？ #

你的代码里，panda1是一个只有3行的DataFrame，索引为[0,1,2]。当你执行：

panda1['test'] = panda1['test'].append(panda2['test'], ignore_index=True)

此时append返回的是一个长度为6的新Series（索引[0,1,2,3,4,5]），但你把它赋值给panda1['test']时，pandas会严格按照原DataFrame的索引进行对齐——它只会把新Series中索引为0,1,2的元素赋值回去，而索引3,4,5的元素因为在原DataFrame中不存在，会直接被丢弃。所以循环结束后，panda1['test']还是初始的[1,2,3]。

用concat操作Series时遇到同样的问题，也是因为这个索引对齐规则在起作用。而合并整个DataFrame时，pd.concat([panda1, panda2], ignore_index=True)会直接扩展DataFrame的行数和索引，自然就不会有对齐丢弃的问题，所以能得到你想要的结果。

正确的解决方案 #

如果你只想针对test列的Series进行动态扩展，有两种推荐的方式：

方式1：每次合并后重新构建DataFrame #

直接把合并后的Series转换成新的DataFrame，替换掉原来的panda1，这样就能扩展行数：

import pandas as pd

panda1 = pd.DataFrame([1, 2 ,3], columns=['test'])
panda2 = pd.DataFrame(['a', 'b', 'c'], columns=['test'])

for i in range(1,3):
    # 推荐用pd.concat替代已弃用的append方法
    merged_series = pd.concat([panda1['test'], panda2['test']], ignore_index=True)
    panda1 = pd.DataFrame(merged_series, columns=['test'])

print(panda1['test'].tolist())
# 输出：[1, 2, 3, 'a', 'b', 'c', 'a', 'b', 'c']

方式2：先收集所有Series，最后一次性合并（更高效） #

如果循环次数较多，这种方式能避免多次合并的性能损耗：

import pandas as pd

panda1 = pd.DataFrame([1, 2 ,3], columns=['test'])
panda2 = pd.DataFrame(['a', 'b', 'c'], columns=['test'])

# 先收集所有要合并的Series
series_collection = [panda1['test']]
for i in range(1,3):
    series_collection.append(panda2['test'])

# 最后一次性合并并生成新的DataFrame
panda1 = pd.DataFrame(pd.concat(series_collection, ignore_index=True), columns=['test'])

额外提醒 #

注意Series.append()方法在pandas 2.0及以上版本已经被官方弃用，官方推荐使用pd.concat()来合并Series或DataFrame，这样代码的兼容性更好。

内容的提问来源于stack exchange，提问作者Marsh C