使用Python Pandas处理CSV：存在则更新行，不存在则追加

你的当前实现确实存在冗余，而且还有一个隐藏bug：在except FileNotFoundError分支里，你创建DataFrame的方式会导致数据格式错误——原代码会把A、B、C的值作为三行数据，而非一行三列的结构。此外，将DataFrame转成字典再操作完全是绕远路，Pandas本身提供了更直接高效的行更新和追加方法。

现有实现的主要问题 #

• 不必要地将DataFrame转换为字典操作，增加了代码复杂度和性能开销
• 手动处理索引列（saved_data.pop(first_key)）容易引发索引混乱
• 初始化新文件时的DataFrame构造错误，生成的结构不符合需求

更高效的实现方案 #

利用Pandas的布尔索引定位目标行直接更新；追加数据时使用pd.concat（替代即将弃用的append方法），同时统一处理索引列：

import pandas as pd

def save_data(a, b, c):
    csv_path = 'my_data.csv'
    new_row = pd.DataFrame({'A': [a], 'B': [b], 'C': [c]})
    
    try:
        # 读取CSV，指定第一列为索引（对应原文件的默认索引列）
        df = pd.read_csv(csv_path, index_col=0)
        # 检查A值是否存在
        if a in df['A'].values:
            # 布尔索引定位目标行，更新B、C列
            df.loc[df['A'] == a, ['B', 'C']] = [b, c]
        else:
            # 追加新行，忽略索引避免重复
            df = pd.concat([df, new_row], ignore_index=True)
        # 保存时保留索引（对应原格式的第一列）
        df.to_csv(csv_path)
    except FileNotFoundError:
        # 首次创建文件时，直接使用正确的行结构，保存时生成默认索引
        new_row.to_csv(csv_path)

关键优化点说明 #

1. 直接用布尔索引更新行：df.loc[df['A'] == a, ['B', 'C']] = [b, c] 能精准定位到A值匹配的行，直接更新指定列，无需转字典和手动查找位置
2. 正确初始化新文件：用pd.DataFrame({'A': [a], 'B': [b], 'C': [c]}) 创建一行三列的DataFrame，完全符合需求格式
3. 使用pd.concat追加数据：替代已标记为弃用的append方法，ignore_index=True保证追加后索引连续递增
4. 统一处理索引列：读取时指定index_col=0，保存时默认保留索引列，完美匹配你需要的CSV格式

测试验证 #

• 当A为d、B为x、C为y时，会精准更新第二行的B、C值
• 当A为j、B为x、C为y时，会在末尾追加新行，索引自动递增为3

内容的提问来源于stack exchange，提问作者Dani