Pandas如何向MultiIndex多层索引DataFrame追加指定索引行

基于你给出的初始DataFrame创建逻辑，两类行操作都可以通过pandas原生方法实现，不需要额外构造独立DataFrame做复杂拼接（pandas 2.0及以上版本已废弃旧的append()接口，推荐使用下述规范写法）：

场景1：指定一级索引下新增二级索引行 #

以在一级索引ind1下新增二级索引set_NEW的行为例，直接通过.loc定位新索引元组赋值即可，未手动赋值的列默认填充NaN：

# 新增空行，所有列默认填充NaN
df.loc[('ind1', 'set_NEW'), :] = pd.NA

# 新增行时直接给指定列赋值，其余列自动填NaN
# df.loc[('ind1', 'set_NEW'), ['data1', 'data2']] = [100, 200]

如果需要批量新增同一一级索引下的多个二级索引行，遍历索引元组批量赋值即可：

new_index_tuples = [('ind1', 'set_NEW1'), ('ind1', 'set_NEW2'), ('ind2', 'set_NEW3')]
for idx_tuple in new_index_tuples:
    df.loc[idx_tuple, :] = pd.NA

操作提示：赋值前可通过('ind1', 'set_NEW') in df.index判断索引是否已存在，避免误覆盖原有数据；所有新增操作完成后可执行df = df.sort_index()对多层索引重排，保证索引顺序符合层级逻辑。

场景2：为指定多层索引键填充/追加行数据 #

填充已有索引的空值 #

如果目标索引键（比如('ind1','set1')）已经存在，只是值为NaN，直接通过.loc定位后赋值即可，不会新增行：

# 按列顺序给整行赋值
df.loc[('ind1', 'set1'), :] = [12, 34, True]

# 仅给指定列赋值，不改动其他列的原有值
df.loc[('ind1', 'set1'), 'condition'] = False

追加同索引的重复行 #

如果需要保留原有行数据，给同一个索引键新增一条重复索引的记录，使用pd.concat拼接单行DataFrame即可，不会覆盖原有数据：

# 构造要追加的单行数据
new_duplicate_row = pd.DataFrame(
    data=[[56, 78, False]],
    columns=['data1', 'data2', 'condition'],
    index=pd.MultiIndex.from_tuples([('ind1', 'set1')], names=['Indxe', 'Data_set'])
)
# 拼接回原DataFrame完成追加
df = pd.concat([df, new_duplicate_row])

注意事项 #

• 操作多层行索引时，索引值必须以元组格式传入.loc，不要写成df.loc['ind1', 'set_NEW']，该写法会被pandas识别为选取行+列，触发索引报错
• 赋值时尽量保证数据类型和列的预设类型匹配，避免自动转为object类型影响后续计算效率

内容的提问来源于stack exchange，提问作者VRD