如何在宽结构Pandas DataFrame中添加一行全零数据？

我明白你想往空的Pandas DataFrame里加一行全零数据时遇到了麻烦，确实有时候看似简单的操作容易踩坑。结合你给出的代码片段，给你几个靠谱的解决方案：

方法一：用pd.concat合并新行（推荐） #

Pandas已经弃用了append方法，现在更推荐用pd.concat来合并DataFrame，这种方式更稳定且符合官方规范：

import pandas as pd

# 初始化你的空DataFrame
Array = pd.DataFrame(columns=["curTime", "HC", "AC", "HG", "HF1", "HF2", "HF3", "HF4", "HF5", "HF6", "HF7", "HF8", "HF9", "HF10", "HF11", "HF12", "HD1", "HD2", "HD3", "HD4", "HD5", "HD6", "AG", "AF1", "AF2", "AF3", "AF4", "AF5", "AF6", "AF7", "AF8", "AF9", "AF10", "AF11", "AF12", "AD1", "AD2", "AD3", "AD4", "AD5", "AD6"])

# 构造一行全零的DataFrame，确保列名和原表完全一致
zero_row = pd.DataFrame([[0]*len(Array.columns)], columns=Array.columns)

# 合并两个DataFrame，ignore_index参数重置索引避免重复
Array = pd.concat([Array, zero_row], ignore_index=True)

方法二：用.loc直接插入行（简洁好用） #

如果只是添加少量行，直接用.loc赋值是最省事的方式：

import pandas as pd

# 初始化空DataFrame
Array = pd.DataFrame(columns=["curTime", "HC", "AC", "HG", "HF1", "HF2", "HF3", "HF4", "HF5", "HF6", "HF7", "HF8", "HF9", "HF10", "HF11", "HF12", "HD1", "HD2", "HD3", "HD4", "HD5", "HD6", "AG", "AF1", "AF2", "AF3", "AF4", "AF5", "AF6", "AF7", "AF8", "AF9", "AF10", "AF11", "AF12", "AD1", "AD2", "AD3", "AD4", "AD5", "AD6"])

# 用当前DataFrame的长度作为新行索引，直接赋值全零列表
Array.loc[len(Array)] = [0]*len(Array.columns)

方法三：批量添加多行全零数据 #

如果需要一次性添加多行全零数据，可以直接构造多行的DataFrame再合并：

import pandas as pd

Array = pd.DataFrame(columns=["curTime", "HC", "AC", "HG", "HF1", "HF2", "HF3", "HF4", "HF5", "HF6", "HF7", "HF8", "HF9", "HF10", "HF11", "HF12", "HD1", "HD2", "HD3", "HD4", "HD5", "HD6", "AG", "AF1", "AF2", "AF3", "AF4", "AF5", "AF6", "AF7", "AF8", "AF9", "AF10", "AF11", "AF12", "AD1", "AD2", "AD3", "AD4", "AD5", "AD6"])

# 比如要添加3行全零数据
num_rows = 3
zero_df = pd.DataFrame([[0]*len(Array.columns)]*num_rows, columns=Array.columns)
Array = pd.concat([Array, zero_df], ignore_index=True)

为什么你原来的尝试可能出问题？ #

你代码里appendArray = [[0] * len(Array.columns)]的思路是对的，但如果直接用旧的Array.append(appendArray)，一方面这个方法已被弃用，另一方面若不指定ignore_index=True可能导致索引混乱；另外如果直接传列表而非DataFrame，Pandas可能会把列表当成列处理，引发列不匹配的错误。上面的方法都避开了这些坑。

内容的提问来源于stack exchange，提问作者Daniel Slätt