如何基于前一行计算数据，为Pandas DataFrame添加5行新数据？

想要高效实现需求，核心是避免逐行追加DataFrame（因为Pandas的DataFrame是不可变结构，每次追加都会复制整个数据集，效率极低），改用「先循环生成所有新数据的列表，再一次性合并」的方式，具体步骤如下：

步骤1：提取原DataFrame的起始基准值 #

先获取原DataFrame最后一行的关键值，作为新行的起始基准：

import pandas as pd

# 假设你的原DataFrame名为df
last_row = df.iloc[-1]
# 新行的起始索引、period、value2
start_idx = last_row.name + 1
start_period = last_row['period'] + 1
start_value2 = last_row['value2'] + 1

步骤2：循环生成新数据列表 #

用for循环批量生成5行数据的字典列表，这一步的开销远低于逐行操作DataFrame：

new_rows = []
for i in range(5):
    new_rows.append({
        'period': start_period + i,
        'value2': start_value2 + i,
        'fieldName': 'eps'
    })

步骤3：合并新数据到原DataFrame #

将生成的列表转为DataFrame，设置连续索引后，一次性合并到原DataFrame：

# 创建新DataFrame并指定索引
new_df = pd.DataFrame(new_rows, index=range(start_idx, start_idx + 5))
# 合并两个DataFrame
df = pd.concat([df, new_df], axis=0)

这种方式既满足了循环生成的需求，又保证了效率，避免了逐行追加带来的性能损耗。

内容的提问来源于stack exchange，提问作者Colton C