在不丢失索引名称的情况下将具有索引值的行追加/插入到索引数据框中？答案

【问题标题】：append to/insert a row with an index value into an indexed dataframe without losing the index name?在不丢失索引名称的情况下将具有索引值的行追加/插入到索引数据框中？
【发布时间】：2021-11-13 05:53:48
【问题描述】：

给定数据框：

df = pd.DataFrame([{'myindex':1,'a':2,'b':3},{'myindex':2,'a':22,'b':33}]).set_index('myindex')

还有一个新行：

new_row = {'myindex':11,'a':20,'b':30}

将new_row添加到数据帧到reset索引，append没有myindex作为索引，然后用set_index重新索引到myindex，是最简洁的方法吗？

df = df.reset_index().append(new_row,ignore_index=True).set_index('myindex')

我尝试了pandas 方法concat，但它消除了index name，同时添加了一个名为myindex 的新列，除了new_row 之外的所有内容都包含NaN。我试着做一个：

new_row_myindex = new_row['myindex']
del new_row['myindex']
df = pd.concat([df, pd.DataFrame(new_row,index=[new_row_myindex])])

但这会删除索引的名称myindex。

我尝试了DataFrame 方法insert，但在类似的方法中是独一无二的，它没有axis 参数，因此仅限于插入列（想想就很好奇）。

【问题讨论】：

可能像df.loc[11] = {'a': 20, 'b': 30} 这样的东西是标准方法。（当然，可以从dict 完成一些程序化的参数解包）
如果一个人有许多这样的字典要追加/插入，那是否会在一个循环中保持标准方法？
没有ignore_index的情况下，不构建一个单独的相同结构的DataFrame并追加一次：df = df.append(pd.DataFrame([{'myindex':11,'a':20,'b':30}, {'myindex':12,'a':20,'b':30}]).set_index('myindex'))
单行方法需要像我在问题中描述的那样执行del 操作，以免收到错误：ValueError: Length of values (3) does not match length of index (2)。这再次引发了 DataFrame 方法 insert 的 axis 参数的神秘缺失。但至少我得到了答案。谢谢！
新行字典中的第一个（键，值）对总是myindex吗？

标签： pandas indexing

【解决方案1】：

你可以试试这样的：

df = df.append((pd.Series({'myindex':11,'a':20,'b':30}, name=new_row['myindex'])[1:]))

# Output
          a     b
myindex         
1         2     3
2        22     33
11       20     30

【讨论】：