使用函数向Pandas DataFrame添加数据失败，数据丢失如何解决？

为什么数据会消失？ #

1. 函数默认参数的陷阱：Python中函数的默认参数在定义阶段就会被计算并绑定到对象上。你的add_item函数默认参数shopping_list=shopping_list绑定的是定义函数时的初始空DataFrame，后续即使你尝试修改全局的shopping_list，函数调用时默认使用的还是最初的那个空对象。
2. 未更新变量引用：每次调用add_item都会返回一个拼接后的新DataFrame，但你没有将这个返回值赋值回shopping_list变量，导致原变量始终保持初始状态。

如何正确添加数据到DataFrame？ #

方案一：显式传入当前DataFrame并更新变量 #

修改代码，去掉容易出错的默认参数，每次调用时传入当前的shopping_list，并将返回的新DataFrame赋值回变量：

import pandas as pd

# 直接创建带指定列的空DataFrame，避免生成不必要的初始行
shopping_list = pd.DataFrame(columns=["Order", "Type", "Price", "Quantity"])

def add_item(order: str, type_transaction: str, price: float, quantity: int, shopping_list):
    new_item_data = pd.DataFrame({
        "Order": [order],
        "Type": [type_transaction],
        "Price": [price],
        "Quantity": [quantity]
    })
    return pd.concat([shopping_list, new_item_data], ignore_index=True)

# 调用函数时传入当前DataFrame，并更新变量
shopping_list = add_item(order="Buy", type_transaction="Add", price=20.0, quantity=100, shopping_list=shopping_list)
shopping_list = add_item(order="Sell", type_transaction="Add", price=25.0, quantity=200, shopping_list=shopping_list)

print(shopping_list)

方案二：直接修改传入的DataFrame（可选） #

如果你希望函数内部直接修改原DataFrame，可以使用loc直接添加行（注意：append方法已被官方弃用）：

import pandas as pd

shopping_list = pd.DataFrame(columns=["Order", "Type", "Price", "Quantity"])

def add_item(order: str, type_transaction: str, price: float, quantity: int, shopping_list):
    # 通过loc直接添加新行
    shopping_list.loc[len(shopping_list)] = [order, type_transaction, price, quantity]

# 调用函数后无需重新赋值，直接修改原对象
add_item(order="Buy", type_transaction="Add", price=20.0, quantity=100, shopping_list=shopping_list)
add_item(order="Sell", type_transaction="Add", price=25.0, quantity=200, shopping_list=shopping_list)

print(shopping_list)

运行上述任意一种方案的代码，都能看到DataFrame中正确添加了两行数据。

内容的提问来源于stack exchange，提问作者Robson