pandas如何将列表内多条数据逐行追加到DataFrame中

你写的df.loc[5::6] = l_row运行失败的核心问题是切片逻辑错误：5::6代表从索引5开始、步长为6选取行，最终只会匹配到索引5这1个行位置，但你传入的l_row包含2条待插入数据，赋值时左右长度不匹配，自然报错。

下面提供3种可直接复用的多行追加实现，适配你当前的元组列表格式：

方案1：pd.concat拼接（官方推荐，批量追加性能最优） #

pandas 2.0+版本已经移除了旧的append()方法，目前官方最推荐用concat做批量行拼接，只需要把待追加的数据转成和原DataFrame列结构一致的临时表，再拼接即可：

# 将待追加的元组列表转为同列名的DataFrame
new_data = pd.DataFrame(l_row, columns=df.columns)
# 拼接两个表，ignore_index=True会自动重置连续索引
df = pd.concat([df, new_data], ignore_index=True)
# 如果需要保留你原来从1开始计数的索引，加一行重设即可
df.index = range(1, len(df)+1)

这个方法适合一次性追加多条数据的场景，性能比逐行插入高很多，不会出现索引错位问题。

方案2：loc逐行赋值（逻辑直观，适合少量数据） #

你一开始用loc插入的思路是对的，不需要写复杂的步长切片，直接指定新行的索引位置赋值即可：

# 原表最后一行索引是4，新行直接指定索引5、6
df.loc[5] = l_row[0]
df.loc[6] = l_row[1]

如果不想手动数索引，或者待追加的行数不固定，可以用你提到的for循环实现，逻辑也很简单：

start_idx = len(df) + 1
for i, row in enumerate(l_row):
    df.loc[start_idx + i] = row

哪怕l_row里有几十上百条数据，这个循环都能正常运行。

方案3：loc批量赋值（无需循环，写法简洁） #

只要保证你选取的新索引数量和待追加的行数一致，就可以直接批量赋值，不用写循环：

# 自动生成连续的新索引
new_idx = range(len(df)+1, len(df)+1+len(l_row))
# 选中新索引的所有列，批量传入待追加数据
df.loc[new_idx, :] = l_row

注意这里必须加: 指定选中所有列，否则会因为列匹配逻辑问题触发报错。

• 所有追加方法都要求传入的单行数据长度和原DataFrame的列数一致，且数据顺序和列顺序对应，否则会出现值错位、类型异常问题。
• 如果待追加的数据存在缺列情况，pandas会自动给对应位置填充空值NaN。
• 不要在新代码里使用已经被弃用的df.append()方法，避免pandas版本升级后代码无法运行。

内容的提问来源于stack exchange，提问作者12666727b9