向Pandas DataFrame追加元组报cannot concatenate错误如何解决

你的代码存在两个直接触发报错的问题，还有一个明显的性能隐患：

• 核心报错原因：pandas.DataFrame.append() 仅支持接收Series、DataFrame、带键值映射的字典作为待拼接对象，不支持直接传入无字段信息的裸元组/列表。你传入的元组包含字符串类型值时，pandas无法自动将元组内的值和预设的A/B/C/D列做匹配，就会抛出TypeError: cannot concatenate object of type '<class 'str'>'; only Series and DataFrame objs are valid错误。
• 语法疏漏：循环语句for i in range:本身写法不合法，range是Python内置类，必须传入整数参数生成可迭代的range对象（比如range(len(x))）才能用于循环遍历。
• 性能问题：逐行调用append拼接DataFrame是极低效的写法，每次调用都会完整复制整个DataFrame生成新对象，数据量超过千行时运行速度会明显变慢；且pandas 1.4.0及以上版本已经正式废弃append接口，后续版本会直接移除该方法，不建议继续使用。

根据你的使用场景选对应写法即可：

方案1：小数据量快速兼容（适配旧版pandas） #

把裸元组改成和列名对应的字典，补全循环参数，追加时加上ignore_index=True避免索引重复：

import pandas as pd
df = pd.DataFrame(columns=['A','B','C','D'])

# 传入源数据长度生成可迭代对象
for i in range(len(x)):
    # 构造列名和值一一映射的字典
    row = {
        'A': x['col1'][i],
        'B': x['col2'][i],
        'C': x['col3'][i],
        'D': x['col4'][i]
    }
    df = df.append(row, ignore_index=True)

方案2：官方推荐高性能写法（兼容所有新版pandas） #

不要在循环里逐行拼接，先把所有行数据存到普通列表里，循环结束后一次性生成DataFrame，运行速度比逐行append高几十到上百倍：

import pandas as pd
row_cache = []
# 遍历源数据，把每行结果先存在列表里
for i in range(len(x)):
    single_row = (
        x['col1'][i],
        x['col2'][i],
        x['col3'][i],
        x['col4'][i]
    )
    row_cache.append(single_row)
# 一次性生成DataFrame，指定列名即可
df = pd.DataFrame(row_cache, columns=['A','B','C','D'])

如果你的源数据x本身就是pandas DataFrame结构，不需要写循环，直接做列选取和重命名就能拿到结果，性能最优：

df = x[['col1', 'col2', 'col3', 'col4']].rename(columns={
    'col1': 'A',
    'col2': 'B',
    'col3': 'C',
    'col4': 'D'
}).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Marcelo Soares