使用pandas的.append方法新增行出现NaN值及索引异常的原因？

现有如下数据集：

inner_watt = pd.DataFrame(pd.read_csv('input/0.7mm/0.7inner-100watt.csv')[' Current-A'])

数据集内容：

Current-A
2.3309
2.3309
2.3309
2.3309
2.3309
2.3309
2.3309
2.3309

先执行以下代码，截取前4条数据转置后添加到空DataFrame：

formatted_inner_watt = pd.DataFrame(columns=range(4))
formatted_inner_watt = formatted_inner_watt.append(inner_watt[0:4].T, ignore_index=True)

此时结果正常：

0   2.3309,2.3309,2.3309,2.3309

但执行以下代码添加接下来4条数据时，结果异常：

formatted_inner_watt = formatted_inner_watt.append(inner_watt[4:8].T, ignore_index=True)

异常结果：

0   2.3309,2.3309,2.3309,2.3309,NaN,NaN,NaN,NaN
1   NaN,NaN,NaN,NaN,2.3309,2.3309,2.3309,2.3309

请问这是什么原因？

问题出在转置后的数据列名不匹配：

• 初始创建的formatted_inner_watt列名是[0,1,2,3]
• 对inner_watt[0:4]转置时，转置后的DataFrame列名是原数据的行索引[0,1,2,3]，和目标DataFrame列名完全匹配，所以append后能正常对齐。
• 对inner_watt[4:8]转置时，转置后的DataFrame列名是原数据的行索引[4,5,6,7]，和目标DataFrame的列名[0,1,2,3]完全不重合，Pandas会自动扩展列来容纳新的列名，同时在不匹配的位置填充NaN，就出现了你看到的异常结果。

只需把转置后的列名重置为[0,1,2,3]，确保和目标DataFrame列名一致，代码修改如下：

# 添加前4条数据
formatted_inner_watt = formatted_inner_watt.append(inner_watt[0:4].T.reset_index(drop=True), ignore_index=True)
# 添加后4条数据
formatted_inner_watt = formatted_inner_watt.append(inner_watt[4:8].T.reset_index(drop=True), ignore_index=True)

或者更简洁的方式，直接重新设置转置后的列名：

# 处理后4条数据
next_batch = inner_watt[4:8].T
next_batch.columns = range(4)
formatted_inner_watt = formatted_inner_watt.append(next_batch, ignore_index=True)

这样操作后，新数据就能和原DataFrame的列对齐，不会出现NaN和列扩展的问题。

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