Python处理数据常见问题解决方案（2）Dataframe使用 append()添加大量数据时效率变低，处理时间过长，无法接受。

问题描述：

在用python给dataframe添加数据的过程中，我们经常使用append()方法往dataframe中一行一行的添加数据。但是当数据过多时，append()方法效率变得地下。近期我需要处理350,000行的数据，需要对其中的每一行做处理，组装成新的一行，再使用append()把新组装的一行添加至新的dataframe。

在MacBook上用Pycharm运行了8个小时，只执行了append()约110,000行，这个速度是无法接受的。所以需要找到一种更快的组装dataframe的方法。

以下同样添加300,000行数据至dataframe中，案例一是原始方法，案例二是改进后的方法。

案例一、失败，耗时，耗内存，随着数据增加，速度慢得不能接受：

总耗时约30分钟：

import pandas as pd
from datetime import datetime
import random

column_name = ['a', 'b', 'c', 'd']
test_df = pd.DataFrame(columns=column_name)

start_time = datetime.now()
for index in range(0, 300000):
    print(index)
    test_df=test_df.append({'a':random.randint(0, 9), 'b':random.randint(0, 9), 'c':random.randint(0,