在Pandas中，我发现最简单的方法（虽然不直观）是用 df.loc[ ] 来引用最后一条（不存在的）记录，用 len(df) 作为索引，来迭代追加新的数据行到一个数据框架中。

df.loc[ len(df) ] = [new, row, of, data]
这将把新的数据行 "附加 "到数据框架的末尾。
上面的例子是针对一个正好有4列的空数据框架，如：。
df = pandas.DataFrame(  columns=["col1", "col2", "col3", "col4"]  )
df.loc[ ]索引可以在任何行插入数据，无论它是否存在。  似乎它永远不会给出一个IndexError，就像一个numpy.array or List如果你试图分配给一个不存在的行，就会这样。
对于一个全新的、空的DataFrame，len(df)返回0，从而引用第一条空白行，然后每增加一行就增加一条。
–––––
我不知道这种方法的速度/内存效率成本，但它对我的适度数据集（几千行）非常有效。  至少从内存的角度来看，我认为一个大的循环直接将数据追加到目标DataFrame中，会比先生成一个中间的重复数据列表，然后从该列表中生成一个DataFrame使用更少的内存。  时间 "效率 "可能是一个完全不同的问题，需要其他SO大师们来评论。
–––––
然而，对于OP的具体案例，你还有如果数据是用于现有的相同名称的列，你需要在你的for循环中使用某个逻辑来合并columns。
相反，我会让DataFrame "哑巴"，只是按原样导入数据，重复他们的日期，例如，你的后循环DataFrame看起来像这样，用简单的列名描述未生的日期。
id   date      data
234  2018-01   2