循环生成DataFrame输出NaN，如何保存迭代的2×751数据？

编写了random_sample()函数，每次调用生成一个2行751列的全新DataFrame。运行以下循环代码后，得到的df_pd全为NaN，但实际已生成5组不同的2×751结构的DataFrame，需解决如何正确保存这些迭代生成的数据。

错误代码：

for g in range(5):
    sample = random_sample()
    ref = {g:sample}
    empt_dict.append(ref)
df_pd = pd.DataFrame(empt_dict)
df_pd

生成的单组DataFrame示例：

W_332     W_333     W_334  ...    W_1066    W_1067    W_1068    W_1069  
0  0.098432  0.094451  0.096085  ...  0.090937  0.068576  0.085326  0.095416
1  0.164170  0.197848  0.161228  ...  0.272259  0.283551  0.229989  0.230067
[2 rows x 751 columns]

错误输出结果：

0      1       2       3       4
0  NaN NaN NaN NaN NaN
1  NaN NaN NaN NaN NaN
2  NaN NaN NaN NaN NaN
3  NaN NaN NaN NaN NaN
4  NaN NaN NaN NaN NaN

你每次向empt_dict中追加的是单键字典（如{0: sample_df}），当用pd.DataFrame(empt_dict)转换时，pandas会将每个字典的键作为列名，但每个字典仅包含一个键，其余列自然填充NaN。同时，由于每个值是二维DataFrame，pandas无法将其直接解析为单元格数据，最终导致整表NaN。

根据不同的需求，有以下几种正确的保存方式：

方式1：纵向合并并保留分组标识 #

将所有迭代生成的DataFrame纵向合并，同时添加分组列标记数据来源，适合后续按分组分析：

import pandas as pd

dfs = []
for g in range(5):
    sample = random_sample()
    # 添加分组列，标记该数据属于第g次迭代
    sample['group'] = g
    dfs.append(sample)

# 合并所有DataFrame，重置索引
df_pd = pd.concat(dfs, ignore_index=True)

最终得到的df_pd是10行（2行×5次）、752列（751列+1分组列）的结构。

方式2：横向合并区分迭代组 #

将每个迭代的DataFrame横向拼接，通过列名前缀区分不同组，适合对比同位置的数据：

import pandas as pd

dfs = []
for g in range(5):
    sample = random_sample()
    # 给当前组的所有列添加前缀，避免列名重复
    sample = sample.add_prefix(f'group_{g}_')
    dfs.append(sample)

# 横向合并所有DataFrame
df_pd = pd.concat(dfs, axis=1)

最终得到的df_pd是2行、3755列（751列×5次）的结构，列名格式为group_0_W_332、group_1_W_332等。

方式3：保留字典结构生成嵌套DataFrame #

如果需要保留每个迭代组作为独立的DataFrame对象（单元格存储子DataFrame），可以直接构建单字典而非列表：

import pandas as pd

empt_dict = {}
for g in range(5):
    empt_dict[g] = random_sample()

df_pd = pd.DataFrame(empt_dict)

最终得到的df_pd是2行、5列的结构，每个单元格对应一组2×751的DataFrame，适合需要单独提取某组数据的场景。

内容的提问来源于stack exchange，提问作者domarom