如何将列表y完整追加到DataFrame第一列？代码问题求助

错误原因 #

你的代码有两个核心问题：

1. 未将字典转换为真正的pandas.DataFrame对象，直接赋值的df只是普通字典，后续的追加逻辑存在隐患；
2. 循环中每次都基于**原始的df**执行追加操作，再将结果赋值给x，导致每次循环都会覆盖之前的结果，最终仅保留最后一次追加的元素（即6）。

修正方案 #

方案一：循环追加（修复逻辑） #

先正确创建DataFrame，再基于更新后的变量执行循环追加：

import pandas as pd

# 正确初始化DataFrame
df = pd.DataFrame({'a':[0,1,4],'b' : [10,2,5]})
y = [5,6]

# 初始化x为原始DataFrame的副本
x = df.copy()
for i in y:
    # 基于更新后的x执行追加，而非原始df
    x = x.append({df.columns[0]: i}, ignore_index=True)

print(x)

输出结果：

a     b
0  0  10.0
1  1   2.0
2  4   5.0
3  5   NaN
4  6   NaN

方案二：使用pd.concat（高效推荐） #

循环追加在数据量大时效率较低，推荐直接构造新数据块后合并：

import pandas as pd

df = pd.DataFrame({'a':[0,1,4],'b' : [10,2,5]})
y = [5,6]

# 构造仅包含目标列的新数据块
new_rows = pd.DataFrame({df.columns[0]: y})
# 合并原始数据与新数据
x = pd.concat([df, new_rows], ignore_index=True)

print(x)

输出结果与方案一一致，符合你期望的a列内容。

补充说明 #

• pandas 2.0+版本中append方法已被标记为弃用，官方更推荐使用pd.concat；
• 若需要为新增行的b列填充默认值（比如0），可修改新数据块的构造逻辑：

new_rows = pd.DataFrame({df.columns[0]: y, df.columns[1]: 0})

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