如何向DataFrame添加行并按条件修改指定行？

原始数据准备 #

先还原你的DataFrame和字典：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'a': [1, 5, 2, 5, 1],
    'b': [2, 6, 3, 6, 2],
    'c': [3, 7, 4, 7, 3],
    'd': [4, 8, 5, 8, 4]
})
dic = {'b':6, 'd':2}

任务1：添加字典对应行，缺失列填充NaN #

用pd.concat（替代已弃用的append方法）直接构造包含所有列的新行，缺失列自动填充NaN：

# 生成包含所有列的新行数据
new_row = pd.DataFrame.from_dict([dic], columns=df.columns)
# 合并到原DataFrame
df = pd.concat([df, new_row], ignore_index=True)

执行后新增行的a和c列会自动填充为NaN，最终结果示例：

a    b    c    d
0  1.0  2.0  3.0  4.0
1  5.0  6.0  7.0  8.0
2  2.0  3.0  4.0  5.0
3  5.0  6.0  7.0  8.0
4  1.0  2.0  3.0  4.0
5  NaN  6.0  NaN  2.0

任务2：按条件a=3修改对应行的b和d列 #

你之前的代码有两个问题：一是错误引用了不存在的date列，二是直接用dic.values()（这是dict_values对象而非列表）导致赋值异常。以下是两种正确写法：

方法1：转列表赋值 #

df.loc[df['a'] == 3, dic.keys()] = list(dic.values())

方法2：循环键值对赋值（更直观） #

for col, val in dic.items():
    df.loc[df['a'] == 3, col] = val

注：如果DataFrame中没有a=3的行，代码不会产生任何变化，属于正常情况。

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