Pandas Concat无法原地修改？添加行后行数未更新求助

问题代码 #

你的函数代码如下：

import pandas as pd
import numpy as np

def add_row(df):
    df_temp_row = pd.DataFrame({'time':[np.nan], 'mid_o':[np.nan], 'mid_h':[np.nan], 'mid_l':[np.nan], 'mid_c':[np.nan]})
    df = pd.concat([df, df_temp_row], ignore_index=True, axis=0, copy=True)
    return df

问题原因 #

核心问题是变量作用域的赋值逻辑：

• 函数内部的df = pd.concat(...)只是将局部变量df重新指向了一个新生成的DataFrame对象，并没有修改你传入的原始DataFrame。
• Jupyter Notebook会自动打印函数的返回值（也就是那个已添加行的新DataFrame），让你误以为原始DataFrame被修改，但实际上原始df变量完全没变化，所以调用len(df.index)时还是原来的行数。

解决办法 #

1. 正确接收函数返回值

调用函数时，必须将返回的新DataFrame重新赋值给原始变量，让原始变量指向添加行后的对象：

# 错误调用（不会修改原始df）
add_row(df)

# 正确调用（更新原始df）
df = add_row(df)

2. 简化函数逻辑（可选）

不需要额外创建临时DataFrame，直接用loc添加行更高效：

def add_row(df):
    # 直接在末尾添加一行全为NaN的数据，列顺序自动匹配df的列
    df.loc[len(df)] = [np.nan] * len(df.columns)
    return df

如果需要指定列的具体值，也可以明确传入字典：

def add_row(df):
    df.loc[len(df)] = {
        'time': np.nan,
        'mid_o': np.nan,
        'mid_h': np.nan,
        'mid_l': np.nan,
        'mid_c': np.nan
    }
    return df

3. 直接修改原始对象（不推荐）

如果不想返回新对象，也可以直接修改传入的DataFrame，但这种方式容易引发副作用（比如其他引用该对象的代码会意外被影响）：

def add_row(df):
    df_temp_row = pd.DataFrame({'time':[np.nan], 'mid_o':[np.nan], 'mid_h':[np.nan], 'mid_l':[np.nan], 'mid_c':[np.nan]})
    # 替换df的内容而非重新赋值变量
    df[:] = pd.concat([df, df_temp_row], ignore_index=True, axis=0, copy=True)

验证方法 #

修改调用方式后，再执行len(df.index)就能看到行数正确增加了。

内容的提问来源于stack exchange，提问作者user3316115