Python中df["row_name"]与df.loc["row_name"]的区别及添行报错问题

为什么df["new_row"] = [...]会报错？ #

df["xxx"]是pandas专门用于操作列的语法：当你给一个不存在的列名赋值时，pandas会默认你要新增一列。这时候要求右侧的数据源长度必须和DataFrame的行数（也就是索引index的长度，这里是11）一致。你的列表只有4个元素，和11行的长度不匹配，所以触发ValueError。

为什么df.loc["new_row"] = [...]能成功添加行？ #

df.loc["xxx"]是基于行标签的索引器：当你给一个不存在的行标签赋值时，pandas会默认你要新增一行。此时要求右侧的数据源长度和DataFrame的列数一致（你的列表有4个元素，正好匹配df的4列），所以能成功在DataFrame底部新增一行标签为new_row的数据。

两者的核心区别 #

• 操作对象
  • df["name"]：仅针对列操作——要么访问已存在的列，要么新增列。赋值时数据长度需等于行数。
  • df.loc["name"]：针对行（或行+列组合）操作——要么访问已存在的行，要么新增行。赋值时数据长度需等于列数。
• 索引逻辑
  • df["name"]是纯粹的列索引器，只识别列标签，和行索引无关。
  • df.loc["name"]是行标签索引器，还可以扩展为df.loc["行标签", "列标签"]来精准定位单元格或子数据集。
• 赋值行为
  • 用df["name"]赋值时，若列名不存在，会在DataFrame右侧追加一列。
  • 用df.loc["name"]赋值时，若行标签不存在，会在DataFrame底部追加一行。

示例代码 #

import pandas as pd
# 构造一个4列的示例DataFrame
df = pd.DataFrame(
    [[1, False, "alice", 18], [2, True, "bob", 19]],
    columns=["id", "active", "name", "age"]
)

# 新增列：成功（数据长度2等于行数2）
df["score"] = [90, 85]

# 新增行：成功（数据长度4等于列数4）
df.loc["new_row"] = [5, True, "joe", 20, 88]

# 以下代码会报错：数据长度4≠当前行数3
# df["new_row"] = [5, True, "joe", 20]

内容的提问来源于stack exchange，提问作者quant