拼接DataFrame时触发ValueError:无法设置无列定义的DataFrame

错误核心原因 #

你在主函数中创建的total_device_df是无列定义的空DataFrame（比如直接通过pd.DataFrame()初始化），而函数内生成的result_df具备明确的列结构。当尝试将result_df存入total_device_df时，两者列结构不兼容——空DataFrame没有预设列名，无法与result_df的列完成对齐匹配，因此触发ValueError: cannot set a frame with no defined columns。

典型代码场景 #

假设你的代码逻辑如下（对应报错场景）：

import pandas as pd
import json

def parse_json(json_file):
    # 解析JSON生成带列的result_df
    with open(json_file, 'r') as f:
        data = json.load(f)
    return pd.DataFrame(data)

def main():
    # 初始化无列的空DataFrame
    total_device_df = pd.DataFrame()
    # 生成有列的result_df
    result_df = parse_json('device_info.json')
    # 尝试存入，触发错误
    total_device_df = total_device_df.append(result_df)  # 或concat、直接赋值操作

if __name__ == '__main__':
    main()

这里total_device_df初始状态无列，无法容纳有结构化列的result_df数据，导致报错。

解决方法 #

方法1：提前初始化带列的空DataFrame #

先获取result_df的列名，用这些列名初始化total_device_df，确保结构匹配：

def main():
    # 先获取列结构
    temp_df = parse_json('device_info.json')
    total_device_df = pd.DataFrame(columns=temp_df.columns)
    # 正常追加数据
    result_df = parse_json('device_info.json')
    total_device_df = pd.concat([total_device_df, result_df], ignore_index=True)

方法2：首次赋值直接初始化total_device_df #

避免一开始创建无列空DataFrame，第一次拿到result_df时直接赋值给total_device_df，后续再追加：

def main():
    total_device_df = None
    result_df = parse_json('device_info.json')
    if total_device_df is None:
        total_device_df = result_df.copy()
    else:
        total_device_df = pd.concat([total_device_df, result_df], ignore_index=True)

内容的提问来源于stack exchange，提问作者MDI