YOLOv5预测结果处理：用concat替代append是否可行？

首先明确：在你这个场景下，用concat替代append不仅有意义，而且是必须的——因为pandas从2.0版本开始已经标记append方法为弃用状态，未来版本会直接移除这个API，现在靠忽略警告只是临时方案，早迁移早避免后续兼容性问题。

逐行迭代场景下的concat替代写法 #

你原来的代码每次循环都用append拼接DataFrame，这种写法本身效率极低（每次拼接都会重新创建新的DataFrame对象，内存和时间消耗都大）。用concat替代的正确姿势是先把符合条件的行收集到列表，最后一次性拼接，而非逐次循环拼接：

pred0 = car_model(frame, augment=False)
results_df = pred0.pandas().xyxy[0]  # 先把预测结果转成DataFrame存起来，避免重复调用
filtered_rows = []
for _, row in results_df.iterrows():
    if row['confidence'] > confidence:
        filtered_rows.append(row)

# 最后一次性拼接所有符合条件的行
pred_df = pd.DataFrame(filtered_rows) if filtered_rows else pd.DataFrame()

更优的方案：放弃逐行迭代，用pandas布尔索引直接筛选 #

其实你完全没必要逐行迭代——pandas的核心优势就是向量化操作，直接用布尔索引筛选比循环高效得多，代码也更简洁：

pred0 = car_model(frame, augment=False)
results_df = pred0.pandas().xyxy[0]
# 直接用布尔条件筛选置信度符合要求的行
pred_df = results_df[results_df['confidence'] > confidence].reset_index(drop=True)

这种写法既避免了append的弃用警告，又彻底解决了循环迭代的性能问题，是pandas的标准用法。

总结 #

• 不管用哪种方式，都应该替换掉append，避免未来版本的兼容性问题；
• 逐行迭代场景下，「先收集列表再一次性concat」的写法，比逐次拼接高效；
• 优先选择布尔索引的向量化筛选，这才是最符合pandas设计理念的写法，性能和可读性都更好。

内容的提问来源于stack exchange，提问作者potato