1. append函数基本语法

append函数的基本语法如下：

DataFrame.append(
    other, 
    ignore_index=False, 
    verify_integrity=False, 
    sort=None
)

其中：

• other：要追加的DataFrame或类似结构（如Series、dict等）
• ignore_index：是否忽略原始索引，默认为False
• verify_integrity：检查新索引是否重复，默认为False
• sort：是否对列进行排序，默认为None（自动判断）

2. 参数详解

3. 基础使用示例

下面是一个简单的append使用示例：

import pandas as pd

# 创建第一个DataFrame
df1 = pd.DataFrame({
    'A': ['A0', 'A1', 'A2'],
    'B': ['B0', 'B1', 'B2']
})

# 创建第二个DataFrame
df2 = pd.DataFrame({
    'A': ['A3', 'A4'],
    'B': ['B3', 'B4']
})

# 使用append合并
result = df1.append(df2)

print(result)

    A   B
0  A0  B0
1  A1  B1
2  A2  B2
0  A3  B3
1  A4  B4

注意索引保留了原始值，导致索引重复。可以使用ignore_index=True解决：

# 使用ignore_index重置索引
result = df1.append(df2, ignore_index=True)

print(result)

    A   B
0  A0  B0
1  A1  B1
2  A2  B2
3  A3  B3
4  A4  B4

4. 处理列不匹配情况

当两个DataFrame的列不完全相同时，pandas会自动处理：

# 创建第一个DataFrame
df1 = pd.DataFrame({
    'A': ['A0', 'A1', 'A2'],
    'B': ['B0', 'B1', 'B2']
})

# 创建第二个DataFrame（包含新列C）
df2 = pd.DataFrame({
    'A': ['A3', 'A4'],
    'C': ['C3', 'C4']  # 注意这里是C列，不是B列
})

# 使用append合并
result = df1.append(df2, ignore_index=True)

print(result)

     A    B    C
0  A0   B0  NaN
1  A1   B1  NaN
2  A2   B2  NaN
3  A3  NaN   C3
4  A4  NaN   C4

5. 追加多个DataFrame

可以一次性追加多个DataFrame：

# 创建三个DataFrame
df1 = pd.DataFrame({'A': ['A0'], 'B': ['B0']})
df2 = pd.DataFrame({'A': ['A1'], 'B': ['B1']})
df3 = pd.DataFrame({'A': ['A2'], 'B': ['B2']})

# 追加多个DataFrame
result = df1.append([df2, df3], ignore_index=True)

print(result)

    A   B
0  A0  B0
1  A1  B1
2  A2  B2

6. 性能优化建议

result = pd.DataFrame()
for i in range(1000):
    df = pd.DataFrame(...)  # 创建新DataFrame
    result = result.append(df)  # 反复追加

# 创建DataFrame列表
dfs = []
for i in range(1000):
    df = pd.DataFrame(...)  # 创建新DataFrame
    dfs.append(df)  # 添加到列表

# 一次性合并
result = pd.concat(dfs, ignore_index=True)

7. 常见问题解答

df1 = df1.append(df2)  # 正确：将结果赋值回df1

s = pd.Series(['A3', 'B3'], index=['A', 'B'])
result = df1.append(s, ignore_index=True)

总结

pandas的append函数是合并DataFrame的便捷工具，特别适合小规模数据或简单行追加场景。关键点总结：

• 使用ignore_index=True重置索引
• 处理列不匹配时自动填充NaN
• 避免循环中反复追加，使用concat替代
• append不修改原对象，需赋值回变量

对于更复杂的数据合并需求（如多DataFrame合并、沿列合并等），建议使用pd.concat()或pd.merge()函数。