本文介绍一种简洁高效的方法：使用带自定义索引的 series 作为 insert() 的值参数，即可在指定位置插入新列并仅填充特定行，无需分步操作。
本文介绍一种简洁高效的方法：使用带自定义索引的 series 作为 insert() 的值参数，即可在指定位置插入新列并仅填充特定行，无需分步操作。
在 Pandas 中，向 DataFrame 插入一列并仅对部分行赋值，传统做法常需两步：先用 df.insert() 创建空列（如填 None 或 NaN），再用 df.loc[] 赋值。但其实 DataFrame.insert() 方法原生支持更优雅的单步写法——直接传入一个索引对齐的 pd.Series。
该 Series 的索引应明确指定需赋值的行号（或标签），其余位置将自动补为 NaN。例如：
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [10, 20, 30, 40, 50]
})
# ✅ 单步完成：在索引位置 1 处插入列 'NewCol'，仅第 1 行和第 3 行赋值
df.insert(1, 'NewCol', pd.Series(['X', 'Y'], index=[1, 3]))
print(df)
输出结果为：
A NewCol B 0 1 NaN 10 1 2 X 20 2 3 NaN 30 3 4 Y 40 4 5 NaN 50
✅ 关键要点：
-
insert(loc, column, value)的value参数可接受任意 array-like，但只有pd.Series能自动按索引对齐填充； - Series 的
index必须与 DataFrame 的行索引类型一致（默认为整数索引，故此处用[1, 3]）； - 未在 Series 索引中出现的行，对应值自动设为
NaN（无需手动指定 dtype）； - 此方法完全避免了链式赋值风险，也无需预先初始化全列。
⚠️ 注意事项：
- 若 DataFrame 使用非整数索引（如字符串索引），Series 的
index需对应使用相同标签（如index=['row_b', 'row_d']）； - 不建议用 Python 列表或 NumPy 数组替代 Series——它们会强制广播或截断，无法实现“仅填充指定行”的语义；
- 该操作是就地修改（in-place），不返回新 DataFrame；如需链式调用，可封装为函数或使用
assign()配合insert的等效逻辑（但assign()本身不支持指定插入位置）。
总之，善用带索引的 Series 是 Pandas 中实现精准、声明式列插入的核心技巧之一，既简洁又健壮。
