关于pandas增长行时，索引名称的一些问题

学习pandas两天了，关于这个增长行的问题一直困扰着我，测试了几个代码，终于搞通了一点（昨天是由于代码敲错了。。。）

直接上代码：

1 dates = pd.date_range('20170101',periods=6) 
2 df1 = pd.DataFrame(np.arange(24).reshape((6,4)),index = dates,columns=['A','B','C','D'])

建立了一个名为df1的DataFrame，其中数据为24为排列数，关键是index的取值，我这里用的pandas自带的日期序列函数生成的dates

生成的df1如图：

 

 这里能够看到index的名称为date_time格式的

须要加入新的一行时，我采用了loc函数：

df1.loc[pd.to_datetime('20170108'),['A','B','C','D','E']] = [1,2,3,4,5]

按照以前的index的格式添加，显然增长的新行和以前行的形式是相同的：

 

 （这里图片多添加了一行，不牵扯）

可是若是，添加的index和以前的数据类型不一样时，会报错么？

试一试：

df1.loc['20180108',['D','E']]=[1,2]

这里我将一个字符串’20180108‘，添加到新行的index，本觉得会报错，结果：

 

 添加成功了，不过表格的格式也发生更改了，date_time本来隐藏的时间00：00：00显示出来。接着我添加相同名称的int32位变量试试：

df1.loc[20180108,['E','C']] = [1,3]

一样添加成功，神奇的一幕发生了：

 

 出现了两个彻底相同的index：20180108

这是为何呢？原来是由于，上面那行的20180108的数据类型是str，而下面那行的20180108数据类型是int32,系统判断是两个彻底不一样的数据，因此会出现两个彻底相同的index在表格中

接着，再添加一个date_time格式的’20180108‘吧：

df1.loc[pd.to_datetime('20180108'),['A','B']] = [3,4]

结果不出所料：

 

 成功添加。

至此，pandas的添加行操做原理基本搞明白了，keep learning。