如何在字典的DataFrame中循环追加行，扩展数据规模？

核心问题分析 #

你当前的代码用=直接赋值，每次迭代都会覆盖原有列数据，而非追加。另外append/concat未生效是因为你没将操作结果重新赋值回原DataFrame——pandas这类操作默认返回新对象，不会原地修改数据。

分步解决方案 #

1. 初始化字典与空DataFrame

预先创建包含两个目标DataFrame的字典，定义好所有需要的列：

import pandas as pd

# 初始化字典，包含两个结构完整的空DataFrame
dff_dict = {
    'expert_2021': pd.DataFrame(columns=['Price_REG1', 'Price_REG2', 'Price_REG3', 'Price_REG4']),
    'expert_2022': pd.DataFrame(columns=['Price_REG1', 'Price_REG2', 'Price_REG3', 'Price_REG4'])
}

2. 简化逻辑并实现追加

用映射关系替代冗余的if-elif，同时正确执行追加并赋值：

# 年份与字典键的映射
year_to_key = {17544: 'expert_2021', 26304: 'expert_2022'}
# s值与列名的映射
s_to_col = {1: 'Price_REG1', 2: 'Price_REG2', 3: 'Price_REG3', 4: 'Price_REG4'}

for i in year:
    for j in days:
        for s in range(1, 5):
            df_key = year_to_key.get(i)
            col_name = s_to_col.get(s)
            if not (df_key and col_name):
                continue  # 跳过不匹配的情况
            
            # 获取当前列数据，合并新的24行数据
            # 假设c是单列DataFrame，直接提取其值序列
            updated_column = pd.concat([
                dff_dict[df_key][col_name],
                c.iloc[:, 0]  # 取c的第一列数据（确保是对应列的值）
            ], ignore_index=True)
            
            # 将合并后的列重新赋值回DataFrame
            dff_dict[df_key][col_name] = updated_column

3. 关键注意点

• 若c的列名已和目标列一致（比如处理s=1时c的列名就是Price_REG1），可直接用c[col_name]替代c.iloc[:,0]
• ignore_index=True会重置合并后的索引，避免重复索引问题
• 第一次迭代时原列是空的，concat会直接将c的数据作为初始行，后续迭代持续追加

验证结果 #

每次循环后，可通过print(dff_dict['expert_2021'].shape)查看形状变化，会从(0,4)逐步变为(24,4)、(48,4)等，最终得到你需要的多列多行DataFrame。

内容的提问来源于stack exchange，提问作者user20050294