向DataFrame添加新行：为何用.loc[len(df)]而非.iloc[len(df)]？

咱们先还原一下场景：假设我们有这样一个简单的DataFrame：

import pandas as pd
df = pd.DataFrame({"A": [1,2,3], "B": [4,5,6]})

当尝试用df.iloc[len(df)] = [9,9]添加新行时，要么直接报错，要么根本没效果，但换成df.loc[len(df)] = [9,9]却能正常新增一行，这背后的核心原因是iloc和loc的设计逻辑完全不同：

1. iloc的本质：只认“已存在的位置” #

iloc是基于整数位置的索引，它的有效范围是从0到len(df)-1——因为DataFrame的行位置是从0开始计数的，当前有3行的话，合法的位置就是0、1、2。而len(df)的值是3，这个位置在当前DataFrame里根本不存在，Pandas不会允许你通过iloc去给一个不存在的位置赋值，就像你不能给列表[1,2,3]的list[3]直接赋值一样，这属于越界操作，实际运行会抛出IndexError: single positional indexer is out-of-bounds的错误。

2. loc的本质：可以创建“新标签” #

loc是基于标签的索引，它的逻辑是：如果你指定的标签在当前索引中不存在，Pandas会自动帮你创建一个新行，把这个标签作为新行的索引，然后完成赋值。因为默认的DataFrame索引是从0开始的整数序列，len(df)正好是下一个未被使用的索引标签（当前索引是0、1、2，len(df)=3），所以loc会识别这是一个新标签，从而顺利新增一行数据。

举个直观的例子：

• 执行df.loc[3] = [9,9]后，df的索引会变成[0,1,2,3]，新增的行对应索引3；
• 但如果强行执行df.iloc[3] = [9,9]，直接就会触发索引越界的错误，根本到不了新增行那一步。

内容的提问来源于stack exchange，提问作者BGa