如何遍历DataFrame行并在满足条件时追加至另一DataFrame？

你的代码没法正常运行主要有两个原因：一是Pandas的append()方法不会原地修改原DataFrame，它会返回一个新的DataFrame对象；二是用iterrows()逐行遍历的效率其实很低，尤其当数据量较大的时候。

下面给你两种可行的解决方案，优先推荐第一种更高效的向量化操作：

方法一：用布尔索引筛选+pd.concat（推荐） #

这是Pandas官方推荐的做法，利用向量化操作替代循环，代码简洁且性能更好：

import pandas as pd

# 第一步：筛选df_a中满足条件的所有行
filtered_df = df_a[df_a["some_col_val"] == 1]

# 第二步：将筛选结果合并到df_b，注意要重新赋值给df_b
df_b = pd.concat([df_b, filtered_df], ignore_index=True)

• ignore_index=True的作用是重置合并后DataFrame的索引，避免出现重复索引的问题。
• 如果你的Pandas版本在2.0及以上，append()方法已经被弃用，pd.concat是官方替代方案。

方法二：修正你的循环遍历代码（不推荐大数据量） #

如果你一定要用循环的方式实现，需要把每次筛选到的行先收集起来，最后一次性合并，而不是每次循环都调用append（频繁创建新DataFrame会严重拖慢速度）：

rows_to_add = []
for index, row in df_a.iterrows():
    if row["some_col_val"] == 1:
        rows_to_add.append(row)

# 将收集到的行转成DataFrame后合并到df_b
df_b = pd.concat([df_b, pd.DataFrame(rows_to_add)], ignore_index=True)

如果你坚持要在循环里逐行追加，必须把append的结果重新赋值给df_b，但这种方式效率极低，不建议使用：

for index, row in df_a.iterrows():
    if row["some_col_val"] == 1:
        df_b = df_b.append(row, ignore_index=True)

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