下面的代码对我很有效。

df.append(pd.Series([np.nan]), ignore_index = True)

假设你的df.index已经排序，你可以用途：

df.loc[df.index.max() + 1] = None

它可以很好地处理不同的索引和列类型。
[EDIT]如果有一个固定的频率，则它与pd.DatetimeIndex一起工作，否则我们必须精确地指定新的索引，例如：

df.loc[df.index.max() + pd.Timedelta(milliseconds=1)] = None

长示例：

df = pd.DataFrame([[pd.Timestamp(12432423), 23, 'text_field']], 
                    columns=["timestamp", "speed", "text"],
                    index=pd.DatetimeIndex(start='2111-11-11',freq='ms', periods=1))
df.info()

<class 'pandas.core.frame.DataFrame'> DatetimeIndex: 1 entries, 2111-11-11 to 2111-11-11 Freq: L Data columns (total 3 columns): timestamp 1 non-null datetime64[ns] speed 1 non-null int64 text 1 non-null object dtypes: datetime64[ns](1), int64(1), object(1) memory usage: 32.0+ bytes

df.loc[df.index.max() + 1] = None
df.info()

<class 'pandas.core.frame.DataFrame'> DatetimeIndex: 2 entries, 2111-11-11 00:00:00 to 2111-11-11 00:00:00.001000 Data columns (total 3 columns): timestamp 1 non-null datetime64[ns] speed 1 non-null float64 text 1 non-null object dtypes: datetime64[ns](1), float64(1), object(1) memory usage: 64.0+ bytes

df.head()

                            timestamp                   speed      text
2111-11-11 00:00:00.000 1970-01-01 00:00:00.012432423   23.0    text_field
2111-11-11 00:00:00.001 NaT NaN NaN

您还可以用途：

your_dataframe.insert(loc=0, value=np.nan, column="")

其中loc是空行索引。

@Dave Reikher的回答是最好的解决方案。

df.loc[df.iloc[-1].name + 1,:] = np.nan

下面是不使用NumPy库的类似答案

df.loc[len(df.index)] = ['' for x in df.columns.values.tolist()]

• len(df.index) =行数。始终比索引计数多1。
• 使用df.loc[len(df.index)]可以选择下一个可用的索引号（行）。
• df.iloc[-1].name + 1等于df.loc[len(df.index)]
• 除了使用NumPy，您还可以使用python解析
• 根据列名创建列表：df.columns.values.tolist()
• 根据列数创建空字符串“”的新列表。
• ['' for x in df.columns.values.tolist()]

添加一个新的Pandas.使用Pandas系列.DataFrame.append（）.
如果要指定新行的名称（也称为“索引”），请用途：

df.append(pandas.Series(name='NameOfNewRow'))

如果不希望命名新行，请用途：

df.append(pandas.Series(), ignore_index=True)

其中df是您的pandas.DataFrame。

您可以通过如下方式将一个Series附加到数据框来添加它。我假设空白表示您希望添加只包含“Nan”的行。您可以首先使用Nan创建一个Series对象。确保在-Index参数中定义“Series”对象时指定列。然后您可以将其附加到DF。希望它会有所帮助！

from numpy import nan as Nan
import pandas as pd

>>> df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
...                     'B': ['B0', 'B1', 'B2', 'B3'],
...                     'C': ['C0', 'C1', 'C2', 'C3'],
...                     'D': ['D0', 'D1', 'D2', 'D3']},
...                     index=[0, 1, 2, 3])

>>> s2 = pd.Series([Nan,Nan,Nan,Nan], index=['A', 'B', 'C', 'D'])
>>> result = df1.append(s2)
>>> result
     A    B    C    D
0   A0   B0   C0   D0
1   A1   B1   C1   D1
2   A2   B2   C2   D2
3   A3   B3   C3   D3
4  NaN  NaN  NaN  NaN

您可以添加一个新的系列，同时命名它。名称将是新行的索引，并且所有值将自动为NaN。

df.append(pd.Series(name='Afterthought'))

假设df是您的 Dataframe ，

df_prime = pd.concat([df, pd.DataFrame([[np.nan] * df.shape[1]], columns=df.columns)], ignore_index=True)

其中df_prime等于df，并具有附加的最后一行NaN。
注意pd.concat很慢，所以如果你需要在循环中使用这个功能，最好避免使用它，在这种情况下，假设你的索引是增量的，你可以使用

df.loc[df.iloc[-1].name + 1,:] = np.nan

将“空”行追加到数据框并填充所选单元格：

生成空 Dataframe （无行，只有列a和b）：

import pandas as pd    
col_names =  ["a","b"]
df  = pd.DataFrame(columns = col_names)

在数据框的 * 结尾 * 追加空行：

df = df.append(pd.Series(), ignore_index = True)

型
现在填充a列中 Dataframe 末尾（len(df)-1）的空单元格：

df.loc[[len(df)-1],'a'] = 123

结果：

a    b
0  123  NaN

当然，用户可以遍历行并填充单元格：

col_names =  ["a","b"]
df  = pd.DataFrame(columns = col_names)
for x in range(0,5):
    df = df.append(pd.Series(), ignore_index = True)
    df.loc[[len(df)-1],'a'] = 123

结果：

a    b
0  123  NaN
1  123  NaN
2  123  NaN
3  123  NaN
4  123  NaN