如何使用pandas向CSV文件的指定行列位置写入数据

原有代码问题排查 #

• 初始版本用to_csv(mode='a')的逻辑是整表尾部追加行，只能把新内容写到现有数据最后一行的开头位置，本身就不支持自定义坐标写入，属于API功能边界，不是参数配置错误。
• 第二段测试代码报错原因很明确：data.iloc[3, 1]取到的是单个单元格的标量值（报错里显示是numpy.int64类型），不是整行/整列对象，自然不存在to_numpy()方法；另外代码里还存在变量名大小写错误，定义的变量是小写item，调用时写了大写Item，就算前序逻辑正确这里也会触发名称错误。

正确实现方案 #

CSV是纯文本格式，不存在"原地修改单个单元格"的轻量操作，所有自定义位置写入的逻辑都遵循固定流程：读取全表到内存生成DataFrame → 修改内存中对应位置的值 → 将修改后的完整DataFrame覆写回原文件。
pandas的.iloc/.loc本身就支持直接赋值，不需要额外转numpy数组、调用append方法。
以下是可直接运行的示例代码，支持写入任意坐标，自动处理行列数不足的边界场景：

import pandas as pd

# 读取现有CSV
df = pd.read_csv('ItemLog.csv')
write_val = 'melon'
# 目标坐标，注意pandas默认索引从0开始计数：(3,3)对应表格里第4行第4列
# 如果要对应肉眼数的第3行第3列，把两个值改成2即可
target_row, target_col = 3, 3

# 补全缺失的行，避免目标行超出当前表格范围报错
if target_row >= len(df):
    fill_rows = pd.DataFrame(
        index=range(len(df), target_row + 1),
        columns=df.columns
    )
    df = pd.concat([df, fill_rows], axis=0).reset_index(drop=True)

# 补全缺失的列，避免目标列超出当前表格范围报错
if target_col >= len(df.columns):
    fill_cols = pd.DataFrame(
        columns=[f'unnamed_col_{i}' for i in range(len(df.columns), target_col + 1)]
    )
    df = pd.concat([df, fill_cols], axis=1)

# 直接给指定单元格赋值
df.iloc[target_row, target_col] = write_val

# 覆写回原文件，不要加mode='a'参数，否则会把整个表重复追加到文件尾部
df.to_csv('ItemLog.csv', index=False)

注意事项 #

• 如果你的表格有明确列名，优先用.loc按列名赋值，比如df.loc[3, 'Item'] = 'melon'，不会因为列顺序变动写错位置，可读性更高。
• 单文件大小超过100MB时，全量读取覆写的效率会明显降低，这种场景不建议用CSV格式存储，可换用支持分片修改的格式如xlsx、parquet。
• 写入时如果需要保留原表头，不要加header=False参数，否则会把列名覆盖丢失。

内容的提问来源于stack exchange，提问作者SmortVarke