使用 df.insert() 配合指定索引的 Series，可一步完成在指定位置插入仅部分行有值的新列，避免先填充再赋值的冗余操作。
使用 `df.insert()` 配合指定索引的 series，可一步完成在指定位置插入仅部分行有值的新列，避免先填充再赋值的冗余操作。
在 Pandas 中，向 DataFrame 插入新列时若只需为特定行赋值（其余保持缺失），传统做法是先用 insert() 创建全 NaN 列，再通过 .loc 赋值——这需两步且略显繁琐。更简洁、更符合函数式思维的方式是：直接传入一个索引对齐的 pd.Series 作为插入值。
DataFrame.insert() 方法支持将 Series 作为 value 参数。Pandas 会自动根据 Series 的索引进行对齐填充：匹配的索引位置填入对应值，未覆盖的索引位置自动补为 NaN（或 None，取决于 dtype）。
示例代码如下：
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [10, 20, 30, 40, 50]
})
# ✅ 单步插入：在位置 1（即 A 和 B 之间）插入 'NewCol'，
# 仅对索引 1 和 3 赋值 'X' 和 'Y'
df.insert(1, 'NewCol', pd.Series(['X', 'Y'], index=[1, 3]))
print(df)
输出结果：
A NewCol B 0 1 NaN 10 1 2 X 20 2 3 NaN 30 3 4 Y 40 4 5 NaN 50
⚠️ 注意事项：
- Series 的
index必须与目标 DataFrame 的行索引类型一致（如均为整数、或均为字符串），否则可能引发对齐异常或静默填充失败； - 若 DataFrame 使用非默认索引（如自定义字符串索引），请确保 Series 的
index与之严格匹配； - 此方法不改变原 DataFrame 的索引顺序或 dtype 推断逻辑，新列 dtype 将根据值自动推断（本例中为
object）； - 不支持直接传入普通列表（如
['X', 'Y']）并期望按位置索引赋值——必须显式指定index才能实现“稀疏赋值”。
该技巧体现了 Pandas “对齐优先”（alignment-first）的设计哲学，是提升数据操作简洁性与可读性的典型实践。
