如何使用Pandas动态为不同列数DataFrame批量添加值为None的空行

需求说明 #

• 待处理文件共200余份CSV，列数不统一，包含47列、50列、60列等多种情况
• 处理规则：为每个文件对应的DataFrame追加1行所有字段值为None的空行，处理后导出为新的CSV文件
• 效果要求：不改动原有数据和列结构，仅在原有表格内容基础上新增空行

实现代码 #

核心逻辑不需要手动判断列数，Pandas会自动适配每个DataFrame的列结构生成对应空行，直接运行即可完成批量处理：

import pandas as pd
from pathlib import Path

# 替换为本地实际路径
input_folder = Path("raw_csv_files")
output_folder = Path("processed_csv_files")
output_folder.mkdir(exist_ok=True) # 自动创建输出目录，已存在时不报错

for file in input_folder.glob("*.csv"):
    # 读取原始CSV
    df = pd.read_csv(file)
    # 生成与当前df列数完全匹配的全None空行，拼接至末尾
    empty_row = pd.DataFrame([[None]*df.shape[1]], columns=df.columns)
    df = pd.concat([df, empty_row], ignore_index=True)
    # 导出文件，index=False表示不写入pandas自动生成的行索引
    df.to_csv(output_folder / file.name, index=False, encoding="utf-8-sig")

参数调整说明 #

• 如果需要把空行添加到表格最开头，调换pd.concat内两个对象的顺序即可，写法为pd.concat([empty_row, df], ignore_index=True)
• encoding="utf-8-sig"参数用于解决导出CSV用Excel打开时的中文乱码问题，无中文场景可删除该参数
• 如果原始CSV存在特殊分隔符、无表头等情况，对应修改pd.read_csv的sep、header参数即可适配

内容的提问来源于stack exchange，提问作者user19322596