如何提取指定列的子DataFrame并追加额外数据行？

方法一：用pd.concat拼接新行（兼容新版pandas） #

这是通用性最强的写法，适配pandas各个版本，步骤清晰：

1. 先提取原表的start_time和quantity_start列作为基础结果
2. 从原表最后一行取出end_time和quantity_end，构造单行DataFrame
3. 用pd.concat拼接两个表，可选重置索引保证序号连续

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'start_time': [0, 10, 20.],
    'end_time': [10, 20, 30],
    'quantity_start': [0, 1, 3],
    'quantity_end': [1, 3, 10]
})

# 提取基础子表
result = df[['start_time', 'quantity_start']].copy()

# 构造需要追加的最后一行
last_row = pd.DataFrame({
    'start_time': [df['end_time'].iloc[-1]],
    'quantity_start': [df['quantity_end'].iloc[-1]]
})

# 拼接并重置索引
result = pd.concat([result, last_row], ignore_index=True)
print(result)

方法二：直接用loc追加行（代码最简洁） #

适合小数据量场景，一行代码完成追加操作：

result = df[['start_time', 'quantity_start']].copy()
# 直接在结果末尾插入新行
result.loc[len(result)] = [df['end_time'].iloc[-1], df['quantity_end'].iloc[-1]]
print(result)

方法三：构造Series拼接（大数据量最优） #

如果处理百万级以上的大表，这种方式能避免DataFrame拼接的性能开销：

# 合并原start_time列和最后一个end_time值
new_start = pd.concat([df['start_time'], pd.Series([df['end_time'].iloc[-1]])], ignore_index=True)
# 合并原quantity_start列和最后一个quantity_end值
new_quantity = pd.concat([df['quantity_start'], pd.Series([df['quantity_end'].iloc[-1]])], ignore_index=True)

# 生成最终结果表
result = pd.DataFrame({'start_time': new_start, 'quantity_start': new_quantity})
print(result)

场景建议 #

• 日常小数据量用方法二，代码最简洁；
• 大数据量处理选方法三，性能更优；
• 需要兼容不同pandas版本时用方法一，稳定性最强。

内容的提问来源于stack exchange，提问作者24n8