Pandas技术问题：如何不使用.append()向DataFrame重复追加单行？

核心思路 #

抛弃效率低下的双重行遍历，改用Pandas的向量化筛选+批量合并的方式，既避免弃用警告，又大幅提升处理速度。

实现代码 #

import pandas as pd

# 初始化空列表用于收集匹配结果
matches_list = []

# 遍历每个地名记录
for _, place_row in placenames.iterrows():
    # 筛选出文本中包含当前地名的所有铭文记录
    matched_inscriptions = inscriptions[
        inscriptions['text'].str.contains(place_row['name'], na=False)
    ]
    
    # 如果有匹配结果，添加地名相关字段并加入列表
    if not matched_inscriptions.empty:
        # 复制数据避免修改原DataFrame
        matched_copy = matched_inscriptions.copy()
        matched_copy['place'] = place_row['name']
        matched_copy['latitude'] = place_row['latitude']
        matches_list.append(matched_copy)

# 一次性合并所有匹配结果
matches = pd.concat(matches_list, ignore_index=True)

关键优化点 #

1. 向量化筛选：用str.contains替代逐行文本匹配，Pandas底层会用优化后的逻辑处理，比Python循环快数倍。
2. 批量合并：先把所有匹配结果存入列表，最后用pd.concat一次性合并，避免循环中反复修改DataFrame的性能损耗。
3. 避免原数据修改：用.copy()复制匹配的铭文行，防止意外修改原inscriptions数据。

可选：精确匹配（避免子串误匹配） #

如果需要避免类似"Paris"匹配"Parisian"的情况，可以用正则边界匹配，同时转义地名中的特殊字符：

import re

matches_list = []

for _, place_row in placenames.iterrows():
    # 转义地名中的正则特殊字符，生成精确匹配的正则表达式
    pattern = rf'\b{re.escape(place_row["name"])}\b'
    matched_inscriptions = inscriptions[
        inscriptions['text'].str.contains(pattern, regex=True, na=False)
    ]
    
    if not matched_inscriptions.empty:
        matched_copy = matched_inscriptions.copy()
        matched_copy['place'] = place_row['name']
        matched_copy['latitude'] = place_row['latitude']
        matches_list.append(matched_copy)

matches = pd.concat(matches_list, ignore_index=True)

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