Julia 1.4中如何在DataFrame指定索引位置插入新行

你的方法确实会带来不必要的性能开销——遍历每个列单独插入再重建DataFrame，会产生额外的数组复制和对象构造成本。其实DataFrames.jl提供了专门的工具来高效完成这个任务，下面是更优的解法：

推荐方法：使用insertrows!函数 #

insertrows!是DataFrames.jl内置的行插入函数，它直接操作DataFrame的底层列数据，避免了逐列处理的冗余，代码也更直观。

步骤示例： #

1. 先构造你给出的原始DataFrame：

using DataFrames

df = DataFrame(
    x1 = [0.236197, 0.976431, 0.445266],
    x2 = [0.509669, 0.771457, 0.0327924],
    x3 = [0.353128, 0.282455, 0.450912],
    x4 = [0.615519, 0.979453, 0.0135655]
)

2. 在指定索引（比如第2行位置）插入新行：
   如果你想原地修改原DataFrame，直接运行：

insertrows!(df, 2, (x1=10.0, x2=12.0, x3=14.0, x4=16.0))

如果你想保留原DataFrame不变，生成新的DataFrame，可以先复制再插入：

new_df = copy(df)
insertrows!(new_df, 2, (x1=10.0, x2=12.0, x3=14.0, x4=16.0))

输出结果： #

执行后你会得到期望的4×4 DataFrame：

4×4 DataFrame
│ Row │ x1       │ x2          │ x3       │ x4          │
│     │ Float64  │ Float64     │ Float64  │ Float64     │
├─────┼──────────┼─────────────┼──────────┼─────────────┤
│ 1   │ 0.236197 │ 0.509669    │ 0.353128 │ 0.615519    │
│ 2   │ 10.0     │ 12.0        │ 14.0     │ 16.0        │
│ 3   │ 0.976431 │ 0.771457    │ 0.282455 │ 0.979453    │
│ 4   │ 0.445266 │ 0.0327924   │ 0.450912 │ 0.0135655   │

为什么这个方法更高效？ #

和你原来的DataFrame(insert!.(eachcol(df), index, value))相比：

• insertrows!是DataFrames.jl内部优化的实现，它会一次性处理所有列的插入操作，避免了逐列迭代的额外开销
• 不需要将修改后的列重新构造为DataFrame，减少了对象创建和内存复制的成本

备选方案：使用vcat拼接（适合小DataFrame） #

如果只是处理小规模数据，也可以用vcat将原DataFrame切片和新行拼接，但性能不如insertrows!：

new_df = vcat(df[1:1,:], DataFrame(x1=10.0, x2=12.0, x3=14.0, x4=16.0), df[2:end,:])

内容的提问来源于stack exchange，提问作者Mohamed Thasin ah