向带有时区感知索引的Pandas DataFrame插入新行的方法

核心逻辑：要保证插入的行的索引和现有DataFrame的时间索引属性完全一致，不需要手动提取时区、单位等配置，直接复用现有索引的dtype做类型转换即可。

通用兼容代码 #

import pandas as pd

# 原有初始化逻辑
df = pd.DataFrame({"time": ["2021/06/06 12:00:00"], "col1": [2]})
df.index = pd.to_datetime(df['time'])
df = df.drop('time', axis=1)
df.index = df.index.tz_localize('UTC')

# 新插入行逻辑
# 1. 转换新时间为与现有索引完全同配置的时间戳
new_ts = pd.to_datetime('2021/06/05 12:00:00').astype(df.index.dtype)
# 2. 构造待插入的Series
row = pd.Series({'col1': 5}, name=new_ts)
# 3. 插入行（pandas 2.0+已弃用append方法，推荐使用concat）
df = pd.concat([df, row.to_frame().T])

print(df.index)
# 输出示例：DatetimeIndex(['2021-06-06 12:00:00+00:00', '2021-06-05 12:00:00+00:00'], dtype='datetime64[ns, UTC]', name='time', freq=None)

原操作失败的原因 #

• 直接传入字符串作为Series的name：pandas无法自动将字符串匹配为带时区的时间戳类型，会直接将整个索引降级为object类型存储混合数据
• 传入不带时区的Timestamp：时区感知的时间索引不兼容无时区的时间戳，同样会触发索引类型降级

方案优势 #

• 不需要手动提取时区、时间单位、频率等索引属性，所有配置会自动和现有索引对齐，覆盖各种特殊时间索引场景
• 兼容pandas所有主流版本，替代已废弃的append方法，后续升级不会报错

内容的提问来源于stack exchange，提问作者Recessive