如何遍历DataFrame行并将符合条件的行追加至另一个DataFrame？

最优方案：用布尔索引直接筛选（避免循环） #

Pandas的设计核心是向量化操作优先，循环遍历行效率极低且易出结构问题，直接用布尔索引筛选符合条件的行是最优解：

# 直接生成符合条件的新DataFrame
some_other_df = df[df['Column'] == some_value].copy()

# 如果需要追加到已存在的some_other_df
some_other_df = pd.concat(
    [some_other_df, df[df['Column'] == some_value].copy()],
    ignore_index=True
)

这种方式返回完整的DataFrame结构，完全不存在拼接异常，且处理速度远快于循环。

特殊场景需循环时的处理方法 #

如果业务逻辑必须逐行处理（比如追加前需对行做额外修改），需要把遍历得到的Series转为单行DataFrame再拼接：

方法1：列表收集后一次性concat（推荐，效率更高）

temp_rows = []
for _, row in df.iterrows():
    if row['Column'] == some_value:
        # 将Series转成单行DataFrame
        temp_rows.append(row.to_frame().T)

# 一次性拼接所有行
some_other_df = pd.concat(temp_rows, ignore_index=True)

方法2：逐行append（不推荐，频繁append会导致性能下降）

# 初始化空DataFrame，确保列结构与源df一致
some_other_df = pd.DataFrame(columns=df.columns)

for _, row in df.iterrows():
    if row['Column'] == some_value:
        some_other_df = some_other_df.append(row.to_frame().T, ignore_index=True)

核心是row.to_frame().T：先把行Series转成列格式的DataFrame，再转置为行格式，让结构与目标DataFrame匹配。

内容的提问来源于stack exchange，提问作者jcamp988