pandas不使用已弃用append方法追加重复索引Series为DataFrame行

pandas 弃用append方法后，使用pd.concat可以100%复现原append的所有功能，包括支持非唯一日期索引的场景，具体操作如下：

核心实现代码 #

首先确保待追加的Series索引与原DataFrame的列名完全对齐，将Series转为单行DataFrame后，用concat按行拼接即可：

import pandas as pd

# 待追加的Series：索引与原DataFrame列对齐，name属性为要设置的日期索引值
new_row = pd.Series(
    data=[1540, 5, True, 8],
    index=df.columns,
    name="8/6/2015"
)

# 等价于旧版 df.append(new_row)，默认保留所有原索引，允许索引重复
df = pd.concat([df, new_row.to_frame().T])

关键注意事项 #

• 必须调用to_frame().T将Series转换为单行DataFrame，直接传入Series会被concat识别为列对象，导致生成错误的新列
• 不需要额外设置索引去重逻辑，concat默认保留所有拼接对象的原始索引，完全支持重复日期索引的需求，输出结果和你给出的示例结构完全一致
• 如果需要批量追加多行，将所有待追加的Series统一转为DataFrame后，一次性传入concat的列表参数即可，性能远高于逐行追加

关于弃用append的说明 #

弃用append并非刻意移除实用功能，核心原因是旧append本质是concat的轻量化封装，每次调用都会生成全新的DataFrame副本，很多新手会在循环中逐行调用append，导致代码性能比批量拼接低数十到数百倍。移除该方法后可以引导用户使用更规范的concat接口，明确感知拼接操作的性能成本，减少API误用导致的效率问题。

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