python pandas 追加to csv

### 如何使用Python的Pandas库将数据追加到CSV文件

为了实现向现有的CSV文件中追加新记录的功能，可以先加载已有的CSV文件进入DataFrame对象，接着把新的数据加入这个DataFrame里，最后再保存整个更新后的DataFrame回原CSV文件或另存为一个新的CSV文件。

当需要保留原有CSV中的所有信息并增加额外的数据行时，可以通过`pd.concat()`函数来连接两个DataFrame。如果目标是在不删除任何现有条目的情况下添加更多观测值，则此方法非常适用[^1]。

下面是一个具体的例子展示怎样操作：

假设有一个名为`example.csv`的文件存在，并希望往里面追加一些员工的信息。

import pandas as pd

# 假设这是要被追加的新数据
new_data = {'Name': ['Alice'], 'Age': [30], 'Salary': [7000]}
df_new = pd.DataFrame(new_data)

# 加载原始csv文件至dataframe
df_existing = pd.read_csv('example.csv')

# 将新旧两部分合并且忽略索引重复项
df_combined = pd.concat([df_existing, df_new], ignore_index=True)

# 把组合好的dataframe写回到同一个csv文件或者另一个新的csv文件中去
df_combined.to_csv('example_updated.csv', index=False)

这段代码首先创建了一个包含新增人员详情的小型DataFrame (`df_new`) ，之后读入了现存于磁盘上的CSV文档(`example.csv`) 并将其存储在一个叫作 `df_existing` 的变量内；通过调用`pd.concat()` 函数实现了这两个表之间的纵向拼接工作——即沿着垂直方向堆叠它们形成更大的表格结构；最终利用`.to_csv()` 方法指定路径参数写出修改过的版本(`example_updated.csv`) 到本地硬盘上完成持久化处理过程。

值得注意的是，在执行上述命令之前应当确保安装好了pandas包以及导入必要的命名空间(import语句)，这样才能顺利运行这些指令片段。