如何堆叠多列值构建Python DataFrame的单列？

问题根因 #

原有代码输出多列NaN矩阵的核心原因是：每次np.transpose(df_1d.loc[[x]])生成的DataFrame的列名是df_1d的行索引值，两次循环生成的DataFrame列名不一致，append操作会自动按列名对齐，缺少的列就会填充NaN，最终生成多列的二维矩阵。

方案1：用列表中转（最推荐，性能最高） #

核心逻辑是先把所有值存到普通Python列表中，最后一次性转为单列DataFrame，避免频繁操作DataFrame带来的性能损耗和对齐问题。
代码示例：

import pandas as pd
import numpy as np

# 初始化空列表存储值
res = []
for x in range(2):
    # 取出对应行的单个值加入列表
    res.append(df_1d.loc[x].item())
# 列表转为单列DataFrame，可自定义列名
A_count_css = pd.DataFrame(res, columns=['your_column_name'])

方案2：直接操作DataFrame（需统一列名） #

如果坚持用DataFrame堆叠，需要保证每次append的DataFrame列名完全一致，同时加上ignore_index=True重置行索引：
代码示例：

A_count_css = pd.DataFrame()
for x in range(2):
    # 生成固定列名的单行DataFrame
    d_t = pd.DataFrame([df_1d.loc[x].item()], columns=['your_column_name'])
    A_count_css = A_count_css.append(d_t, ignore_index=True)

注：pandas 2.0及以上版本已经废弃DataFrame.append方法，推荐使用pd.concat替代，实现逻辑如下：

df_list = []
for x in range(2):
    df_list.append(pd.DataFrame([df_1d.loc[x].item()], columns=['your_column_name']))
A_count_css = pd.concat(df_list, ignore_index=True)

额外优化提示 #

如果你的需求只是从10行1列的df_1d中取指定行生成新的单列DataFrame，不需要写循环，直接切片即可实现：
A_count_css = df_1d.iloc[:2].reset_index(drop=True)

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