如何向带时间索引的Pandas DataFrame追加一行数据

方法1：构造Series并合并（适配新版Pandas，推荐） #

Pandas的append()方法已被弃用，更稳妥的方式是将新数据转换为带索引的Series，再通过pd.concat()合并：

import pandas as pd
from datetime import datetime as dtdt

# 处理新数据格式
new_date = dtdt.strptime(bb, '%Y-%m-%d %H:%M:%S')
# 分割数值字符串并转换对应类型
new_values = list(map(float, cc.split()))
new_values[0] = int(new_values[0])  # 匹配原DataFrame列4的整数类型

# 构造与原DataFrame列名一致的Series
new_row = pd.Series(new_values, index=df3.columns, name=new_date)

# 合并生成新DataFrame
new_df3 = pd.concat([df3, new_row.to_frame().T])

方法2：构造小型DataFrame合并 #

若习惯用DataFrame形式处理，可直接生成包含新行的小DataFrame再合并：

import pandas as pd
from datetime import datetime as dtdt

# 转换日期与数值格式
new_date = dtdt.strptime(bb, '%Y-%m-%d %H:%M:%S')
new_values = list(map(float, cc.split()))
new_values[0] = int(new_values[0])

# 构造小型DataFrame，匹配原DataFrame的索引与列名
new_sub_df = pd.DataFrame([new_values], index=[new_date], columns=df3.columns)

# 合并数据
new_df3 = pd.concat([df3, new_sub_df])

验证结果 #

执行后new_df3将得到期望输出：

4      5      6    7       8  9
Date                                                  
2009-07-01 03:00:00  101  13.03  89.33  0.6  287.69  0
2009-07-01 06:00:00  102  19.30  55.00  1.0  288.67  0
2009-07-01 09:00:00  103  22.33  39.67  1.0  289.60  0
2009-07-01 12:00:00  104  21.97  41.00  1.0  295.68  0
2009-07-01 15:00:00  105  18.11  44.55  1.2  300.12  0

关键注意事项 #

• 确保新行的列名与原DataFrame完全一致，避免列错位或空值
• 日期必须转换为datetime类型，与原索引类型匹配
• 数值类型要对应原列的类型（如整数列需转换为int）

内容的提问来源于stack exchange，提问作者user9393931