升级Python pandas后append方法失效问题的解决办法

错误原因 #

pandas 2.0及以上版本已经彻底移除了DataFrame.append()方法，这就是你遇到AttributeError: 'DataFrame' object has no attribute 'append'错误的直接原因。

解决方案 #

推荐两种替代方式，优先选第二种（效率更高）：

方案1：用pd.concat()替代append()

把原代码里的append操作替换成pd.concat()，需要将待添加的字典先转换成单条记录的DataFrame：

import pandas as pd

for row in lista_dist:
    for col in row:
        if col > 100:
            a = col
        else:
            # 替换append为pd.concat
            new_row = pd.DataFrame({'Conc': [a], 'Num': [col]})
            df_dist = pd.concat([df_dist, new_row], ignore_index=True)

方案2：先收集数据再一次性生成DataFrame（推荐）

循环中频繁拼接DataFrame效率极低，更优的做法是先把所有要添加的行存入列表，最后一次性转为DataFrame再合并：

import pandas as pd

# 初始化空列表存数据
rows_to_add = []
a = None  # 先初始化a，避免未赋值的情况

for row in lista_dist:
    for col in row:
        if col > 100:
            a = col
        else:
            # 把行数据存入列表
            rows_to_add.append({'Conc': a, 'Num': col})

# 一次性生成新的DataFrame并合并
new_df = pd.DataFrame(rows_to_add)
df_dist = pd.concat([df_dist, new_df], ignore_index=True)

补充说明 #

• 如果你的df_dist初始是空的，直接用df_dist = pd.DataFrame(rows_to_add)即可，不需要pd.concat。
• 方案2的效率远高于方案1，尤其是当数据量较大时，能显著减少内存开销和运行时间。

内容的提问来源于stack exchange，提问作者Nilson Roberto da Fonseca