如何向以日期为索引的空Pandas DataFrame追加带日期的Series

我来帮你捋清楚这个问题哈～你遇到的报错根源在于：你的DataFrame已经把date设为索引了，但你创建的new_row是把date当成普通列来处理的，这就导致append时索引和列完全无法对齐，自然会报错。而ignore_index=True会强制重置整个DataFrame的索引，把原本的date索引转成普通列，这显然不是你想要的效果。

下面给你两种实用的解决方案：

方法一：从初始化就规范索引结构 #

这种方式一开始就把DataFrame的索引设置为date（用DatetimeIndex处理日期类型更专业），后续追加的Series直接把日期作为name（也就是索引值），列对应Y1和Y2：

import pandas as pd
# 初始化空DataFrame，指定索引为date，列是Y1、Y2
df = pd.DataFrame({'Y1': [], 'Y2':[]}, index=pd.DatetimeIndex([], name='date'))
# 创建新Series：name是目标日期（作为索引值），index对应DataFrame的列名
new_row = pd.Series(data=[0.2, 0.4], index=['Y1', 'Y2'], name='2005-01-30')
# 追加到DataFrame
df = df.append(new_row)

执行后，df的索引就是2005-01-30，Y1和Y2的值也会正确对应。

方法二：调整现有new_row的结构适配索引 #

如果想保留你原来的DataFrame初始化方式，可以把new_row里的日期值提取出来作为它的name，只保留Y1和Y2的内容再追加：

import pandas as pd
df = pd.DataFrame({'date': [], 'Y1': [], 'Y2':[]})
df.set_index(['date'], inplace=True)

# 方式1：直接构造符合要求的Series
new_data = {'Y1': 0.2, 'Y2': 0.4}
new_row = pd.Series(new_data, name='2005-01-30')
df = df.append(new_row)

# 方式2：从你原来的new_row转换而来
original_row = pd.Series(data=['2005-01-30', 0.2, 0.4], index=['date', 'Y1', 'Y2'])
# 把date的值作为name，筛选Y1、Y2列生成新Series
adjusted_row = pd.Series(original_row[['Y1','Y2']], name=original_row['date'])
df = df.append(adjusted_row)

核心逻辑其实很简单：当你的DataFrame以date为索引时，要追加的每一行数据，它的name就是日期索引值，而Series的index要和DataFrame的列名完全对应，这样append才能正确匹配索引和列，不会出现报错。

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