Pandas 空DataFrame VS. 一行行追加数据:孰优孰劣

为什么不建议创建空的DataFrame?

当我们创建一个空的DataFrame时，Pandas会为该DataFrame分配内存空间，以便它可以存储数据。但是，当DataFrame是空的时，这会导致内存浪费。因为DataFrame会预留内存空间，而不会真正使用这些空间。

如果您事先知道DataFrame中会存储多少数据，那么创建一个具有适当形状的DataFrame是更好的选择。这将防止内存浪费并提高程序的性能。

如果事先不知道DataFrame的大小，您仍然可以创建一个空的DataFrame，但最好使用pd.DataFrame()函数而不是pd.DataFrame({})。pd.DataFrame({})函数会创建一个空的DataFrame，其中包含一个空列，而pd.DataFrame()函数创建的DataFrame不包含任何列。这将节省一些内存空间。

如果事先不知道DataFrame的大小，也无法估计DataFrame的大小，那么您可以使用pd.DataFrame()函数创建一个空的DataFrame。但是，您应该在添加数据之前使用df.shape属性检查DataFrame的大小。如果DataFrame的大小超过了您的预期，那么您可以使用df.drop()函数删除不必要的数据。

逐行添加数据

另一种创建DataFrame的方法是逐行添加数据。这种方法可以避免内存浪费，因为DataFrame只会在需要时分配内存空间。但是，逐行添加数据也会降低程序的性能，因为Pandas每次都要重新分配内存空间。

比较

特征	创建空的DataFrame	逐行添加数据
内存效率	低	高
性能	高	低
适用场景	事先知道DataFrame的大小	事先不知道DataFrame的大小

结论

总而言之，在使用Pandas时，您应该避免创建空的DataFrame，因为这会导致内存浪费。如果您事先知道DataFrame的大小，那么创建一个具有适当形状的DataFrame是更好的选择。如果您事先不知道DataFrame的大小，您可以使用pd.DataFrame()函数创建一个空的DataFrame，并在添加数据之前使用df.shape属性检查DataFrame的大小。如果DataFrame的大小超过了您的预期，那么您可以使用df.drop()函数删除不必要的数据。如果您必须逐行添加数据，那么您应该使用append()方法而不是loc()方法。