只是另一种方法：

现有数据框：

>>> df
       A      B
0  user1  value
1  user2  value
2  user3  value
3  user4  value

要添加的新用户列表：

x = ['user5', 'user6']

溶液：只需通过pandas.DataFrame.append方法的循环。

for i in x:
    df = df.append({'A': i}, ignore_index=True)

print(df)
       A      B
0  user1  value
1  user2  value
2  user3  value
3  user4  value
4  user5    NaN
5  user6    NaN

创建新的数据框和原始数据框的append或concat：

print (df)
    User  Value
0  user1  value
1  user2  value
2  user3  value
3  user4  value

x = ['user5', 'user6']
xList= list(set(x)-set(df['User']))
df = df.append(pd.DataFrame({'User': xList}), ignore_index=True)
#alternative
#df = pd.concat([df, pd.DataFrame({'User': xList})], ignore_index=True)

print (df)
    User  Value
0  user1  value
1  user2  value
2  user3  value
3  user4  value
4  user5    NaN
5  user6    NaN

setting with enlargement的另一种解决方案：

xList= list(set(x)-set(df['User']))
for i in xList:
    df.loc[len(df), 'User'] = i
print (df)
    User  Value
0  user1  value
1  user2  value
2  user3  value
3  user4  value
4  user5    NaN
5  user6    NaN

您可以使用新数据创建一个新 Dataframe ，并将其附加到现有 Dataframe 中：

new = pd.DataFrame(columns=df.columns)
new['A'] = xList
df = df.append(new, ignore_index=True)

pd.concat同样适用于：

df = pd.concat([df, new], ignore_index=True)

如果系列A表示唯一标识符，请考虑将其作为索引。然后可以使用pd.Index.difference和pd.DataFrame.reindex方法：

df = df.set_index('A')
x = pd.Index(['user5', 'user6'])

new_users = x.difference(df.index)

df = df.reindex(df.index.union(new_users))
# alternative:
# df = df.reindex(np.hstack((df.index, new_users)))

print(df)

           B
A           
user1  value
user2  value
user3  value
user4  value
user5    NaN
user6    NaN

如果要将索引再次提升为系列，可以reset_index：

print(df.reset_index())

       A      B
0  user1  value
1  user2  value
2  user3  value
3  user4  value
4  user5    NaN
5  user6    NaN