Pandas FutureWarning求助：列表类传入.loc或[]警告及reindex用法疑问

这个警告的根源很明确：你用append()添加的字典里，缺少了原DataFrame中的B列。Pandas现在只是提前预警，未来版本里这种缺少标签的操作会直接抛出KeyError，而ignore_index参数管的是索引重置，和列的缺失完全没关系，所以不管怎么调它都没用。

另外要提醒一句：Pandas 2.0及以后的版本已经彻底移除了append()方法，所以更建议你改用更规范的方式来合并数据，这里给你几种可行的方案：

方案一：用reindex()对齐列后合并（对应你问的reindex用法） #

先把要添加的单行转成DataFrame，再用reindex()对齐原数据的列（缺失的列会自动填充NaN），最后用concat()替代append()完成合并：

import io
import pandas as pd

data = io.StringIO('''A,B,M
AM,1,
AMC,2,
''')
df = pd.read_csv(data)
r=['CAR']
s=['CAR_M']

for i,j in zip(r,s):
    # 构造单行DataFrame
    new_row = pd.DataFrame({'A':[i], 'M':[j]})
    # 对齐原DataFrame的所有列
    new_row_aligned = new_row.reindex(df.columns, axis=1)
    # 合并数据
    df = pd.concat([df, new_row_aligned], ignore_index=True)

方案二：直接补全所有列的内容 #

如果清楚原DataFrame的所有列，在构造字典时直接给缺失的列赋值NaN（或者pd.NA，推荐后者，更符合Pandas的缺失值规范），这样即使暂时用append()也不会触发警告：

for i,j in zip(r,s):
    df = df.append([{'A':i, 'B':pd.NA, 'M':j}], ignore_index=True)

不过还是更推荐方案一，毕竟append()已经被弃用了。

方案三：批量添加更高效 #

如果要添加的行不止一条，建议先把所有新行整理成列表，转成DataFrame后一次性合并，比循环里逐行合并效率高得多：

# 批量构造新行的列表
new_rows = [{'A':i, 'M':j} for i,j in zip(r,s)]
# 转成DataFrame并对齐列
new_df = pd.DataFrame(new_rows).reindex(df.columns, axis=1)
# 一次性合并
df = pd.concat([df, new_df], ignore_index=True)

内容的提问来源于stack exchange，提问作者Guy