pandas DataFrame.loc传入DataFrame长度作为参数的含义是什么

这个写法是pandas里利用loc特性在表尾追加新行的经典老用法，核心逻辑拆解开非常好懂：

• 首先你初始化的tp_DataFrame是只定义了列名、没有任何实际行数据的空表，刚创建完成时len(tp_DataFrame)返回值为0。
• loc的索引规则是匹配传入的行标签进行操作：如果传入的行标签在当前DataFrame的索引中已经存在，就修改对应行的数值；如果传入的行标签不存在，就会自动在表格末尾新增一行，用你传入的值作为这行的索引标签。
• 当你使用pandas默认的整数索引时，所有行的标签是从0开始连续递增的：一个有N行数据的表，现有行标签刚好是0、1、2……N-1，不存在重复、跳号的情况，此时下一个不会和现有标签冲突的连续整数值就是N，也就是len(tp_DataFrame)的返回值。

拿你贴的示例代码走一遍完整流程就更清楚：

1. 初始化空表后，indexPD = len(tp_DataFrame)值为0，执行tp_DataFrame.loc[indexPD, 'item_id'] = something时，因为标签0不存在，pandas自动在表尾新增第一行，行标签设为0，给这行的item_id列赋值something，其余未指定的列默认填充NaN。
2. 赋值完成后表内有1行数据，此时再调用len(tp_DataFrame)返回值为1，下次再用这个值作为loc的行参数赋值，就会继续在表尾新增标签为1的第二行，循环这个逻辑就能连续往空表里逐行加数据。

注意：这个写法仅在DataFrame保持默认从0开始连续递增的整数索引时有效。如果你中途删除过行、手动修改过索引为非连续值/非整数类型，再用长度作为行标签传入loc，可能出现标签重复覆盖原有数据、新增行位置不符合预期的问题。目前新版本pandas更推荐用pd.concat()实现行追加逻辑，但很多存量老代码里仍然会用这种写法。

内容的提问来源于stack exchange，提问作者nandita