Pandas：追加已有CSV文件及额外列处理问题

我来帮你搞定这个需求——创建带表头的空CSV，之后多次追加数据，还能妥善处理新数据里的额外列问题。咱们一步步来：

你的初始代码已经能完美生成仅含表头的空白CSV了，这里给你加个小优化：加上index=False避免写入默认索引列，运行后example.csv里就只有col1,col2这一行表头，控制台输出的空DataFrame也完全正常：

import pandas as pd
df3 = pd.DataFrame(columns=('col1','col2'))
df3.to_csv('example.csv', sep=',', index=False)
print(df3)

输出：
Empty DataFrame
Columns: [col1, col2]
Index: []

接下来分两种场景处理追加逻辑：

场景1：新数据列与原CSV完全匹配 #

如果新生成的DataFrame列和原CSV一致，直接用mode='a'（追加模式）+header=False（不重复写表头）即可：

# 生成匹配列的新数据
new_df = pd.DataFrame({'col1': [1, 2], 'col2': ['apple', 'banana']})
# 追加到CSV，不写表头、不写索引
new_df.to_csv('example.csv', mode='a', header=False, index=False)

此时example.csv内容会变成：

col1,col2
1,apple
2,banana

场景2：新数据含额外列（重点处理） #

如果新DataFrame有原CSV没有的列（比如新增col3），直接追加会导致列对齐混乱，这时候需要先对齐列结构再写入：

import pandas as pd

# 第一步：读取原CSV的列信息
existing_cols = pd.read_csv('example.csv').columns.tolist()

# 第二步：生成带额外列的新数据
new_df = pd.DataFrame({'col1': [3, 4], 'col2': ['cherry', 'date'], 'col3': [True, False]})

# 第三步：对齐列结构——保留原列顺序，新增列补到末尾，缺失列填充NaN
aligned_df = new_df.reindex(
    columns=existing_cols + [col for col in new_df.columns if col not in existing_cols]
)

# 第四步：判断是否需要写表头（鲁棒性处理：如果原CSV只有表头，第一次追加不重复写）
with open('example.csv', 'r') as f:
    row_count = sum(1 for _ in f)  # 统计行数，表头算1行

# 第五步：追加数据
aligned_df.to_csv(
    'example.csv',
    mode='a',
    header=(row_count == 0),  # 只有原文件为空时才写表头，这里原文件已有表头，所以为False
    index=False
)

此时example.csv的列会自动扩展，内容变成：

col1,col2,col3
1,apple,
2,banana,
3,cherry,True
4,date,False

原数据里没有col3的行会自动填充空值，完美兼容列扩展的情况。

• 每次追加前都读取原列信息，确保新数据和原CSV列结构对齐，避免列错位
• 始终加上index=False，防止把DataFrame的默认索引写入CSV造成冗余列
• 如果需要多次循环追加，把上述对齐+追加的逻辑封装成函数会更方便

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