如何在保留索引名称的前提下向带索引的DataFrame添加指定索引值的行？及最优实现方法确认

先明确你的初始代码：

import pandas as pd
df = pd.DataFrame([{'myindex':1,'a':2,'b':3},{'myindex':2,'a':22,'b':33}]).set_index('myindex')
new_row = {'myindex':11,'a':20,'b':30}

你现在用的df.reset_index().append(new_row,ignore_index=True).set_index('myindex')确实能实现添加行的需求，但步骤绕了圈子，有更高效简洁的方式：

最简洁的方案：直接用df.loc[]赋值 #

既然你的DataFrame已经把myindex设为索引，直接通过索引标签定位赋值就行，一行代码搞定：

df.loc[new_row['myindex']] = [new_row['a'], new_row['b']]

如果想更灵活（不用硬写字段顺序），可以这样：

new_idx = new_row.pop('myindex')
df.loc[new_idx] = new_row.values()

执行后，新行直接被添加到DataFrame里，myindex的索引名称也会完整保留，完全不需要来回折腾索引。

修复你遇到的pd.concat()问题 #

你之前用concat时丢失索引名称，是因为没给新构造的单行DataFrame设置索引名称。补上这一步，concat也能简洁工作：

new_idx = new_row['myindex']
# 提取除索引外的字段数据
new_data = {k: v for k, v in new_row.items() if k != 'myindex'}
# 构造带正确索引和名称的DataFrame
new_df = pd.DataFrame(new_data, index=[new_idx])
new_df.index.name = 'myindex'
# 合并
df = pd.concat([df, new_df])

或者写成更紧凑的版本：

new_df = pd.DataFrame(new_row, index=[new_row.pop('myindex')])
new_df.index.name = 'myindex'
df = pd.concat([df, new_df])

这样合并后的DataFrame会完美保留myindex的索引名称，不会出现你之前遇到的NaN或索引丢失问题。

补充说明 #

• 你提到的insert方法确实只支持插入列，没法用来添加行，这个思路本身就不适用。
• 你原来的方法需要三次DataFrame转换（重置索引→追加行→重新设索引），不仅代码冗长，还会产生临时对象，效率不如上面的方案。

内容的提问来源于stack exchange，提问作者user3673