如何在Pandas中为现有行新增列并更新对应值？

你的核心问题是首次迭代时原DataFrame缺少目标列，且直接用append/concat修改单行的方式结构不匹配。以下是可行的解决方案：

核心思路 #

1. 每次迭代前，先检查新数据的列是否存在于原DataFrame中，不存在则新增列（初始值设为NaN）
2. 直接通过索引定位到对应appid的行，批量赋值新数据的内容，避免修改行的整体结构

完整代码示例 #

import pandas as pd
import numpy as np

# 初始化原DataFrame（以appid为索引）
data = {
    'name': ['Costume Party', 'Pillars Of Protection', 'Push Me', 'Fret Smasher Playtest', 'Luminary']
}
df = pd.DataFrame(data, index=[1648300, 1648310, 1648340, 1648350, 1648360])
df.index.name = 'appid'

# 封装更新逻辑，方便迭代调用
def update_df_with_new_data(df, appid, new_data):
    # 将单行DataFrame转为Series，方便提取列名和值
    new_series = new_data.squeeze()
    
    # 检查并新增缺失的列
    for col in new_series.index:
        if col not in df.columns:
            df[col] = np.nan
    
    # 给对应appid的行赋值新数据
    df.loc[appid, new_series.index] = new_series.values

# 模拟处理第一个appid
appid_1 = 1648300
new_data_1 = pd.DataFrame({
    'num_reviews': [0],
    'review_score': [0],
    'review_score_desc': ['No user reviews'],
    'total_positive': [0]
})
update_df_with_new_data(df, appid_1, new_data_1)

# 模拟处理第二个appid
appid_2 = 1648310
new_data_2 = pd.DataFrame({
    'num_reviews': [1],
    'review_score': [2],
    'review_score_desc': ['Positive'],
    'total_positive': [4]
})
update_df_with_new_data(df, appid_2, new_data_2)

print(df)

为什么你的原有方法无效？ #

你尝试的df.loc[appid].append(...)或pd.concat([df.loc[appid], ...])会把单行数据和新数据合并成更长的Series，但原DataFrame的列数是固定的，这种长度不匹配的赋值会直接失败。而上面的方法是保持列结构一致，只修改对应行的指定列值，完全适配原DataFrame的结构。

最终效果 #

运行后原DataFrame会自动新增所需列，对应appid的行填充数据，未处理的行则显示NaN，完全符合你想要的更新效果。

内容的提问来源于stack exchange，提问作者Eightcore