如何在Pandas列表的DataFrame中按条件添加行？

可行实现代码 #

直接使用以下完善后的函数即可实现需求：

import pandas as pd

def add_rows(df, max_mon, res):
    # 获取当前DataFrame的固定ID（假设每个DF内ID统一）
    fixed_id = df['ID'].iloc[0]
    # 生成从0到max_mon、步长为res的完整月份序列
    full_months = pd.DataFrame({'month': range(0, max_mon + res, res)})
    # 初始化完整数据：固定ID，num设为NaN
    full_months['ID'] = fixed_id
    full_months['num'] = pd.NA
    # 合并原数据，保留已有的num值
    merged = full_months.merge(df[['month', 'num']], on='month', how='left', suffixes=('', '_orig'))
    # 用原数据的num值填充，其余保持NaN
    merged['num'] = merged['num_orig'].combine_first(merged['num'])
    # 整理结果：保留目标列，按month排序
    return merged[['ID', 'month', 'num']].sort_values('month').reset_index(drop=True)

# 批量处理列表中的DataFrame
final = [add_rows(df, df['month'].max(), 3) for df in this]

需求回顾 #

需要处理多个DataFrame组成的列表，每个DF的补全规则：

• ID保持固定不变
• month从0开始按指定增量（如3）递增，覆盖到原DF的最大month值
• 已存在的月份保留原num值，新增月份的num设为NaN

比如原第二个DF补全后会包含month=3、9、15等缺失月份，对应num为NaN。

代码逻辑解释 #

1. 获取固定ID：取DF的第一个ID值（假设每个DF内ID完全一致）
2. 生成完整月份序列：用range生成从0到最大month的所有间隔为res的月份，确保没有遗漏
3. 初始化完整数据集：创建包含所有月份的新DF，设置好固定ID和初始NaN的num列
4. 合并填充数据：通过左合并将原DF的num值匹配到对应月份，combine_first自动保留原数据、补全缺失值
5. 整理输出：删除合并产生的冗余列，按month排序后返回

测试效果 #

以测试数据中的tempo2为例，执行后输出的前7行如下：

ID  month  num
0   6      0  5.0
1   6      3  NaN
2   6      6  4.0
3   6      9  NaN
4   6     12  3.0
5   6     15  NaN
6   6     18  2.0

内容的提问来源于stack exchange，提问作者reksapj