向pandas数据帧添加行会导致预测失败

Question

向训练数据添加行的最佳方法是什么？

import numpy as np
import pandas as pd

# Features=x / Labels=y
new_train1 = pd.DataFrame({'A': [1,2,3,3,4,4],
        'B': [4,5,6,6,4,3],
        'C': ['a','b','c','ddd','c','ddd']})
new_train2 = pd.DataFrame({'A': [1],
        'B': [4],
        'C': ['a']})
# Add new_train2's row to new_train1.

也许这会奏效：

new_train1 = new_train1.append(new_train2)
new_train1 = new_train1.reset_index(drop=True)

最后，数据被分成要素和标签。

new_train_x = new_train1.iloc[:,0:1] # Cols A and B
new_train_y = new_train1['C']

编辑：值得注意的是，在尝试此过程（添加一行）后，这里是混淆矩阵（#s来自实际数据集，而非上面的样本集）：

[[336   0   7   0   3   0]
 [ 23   8 358   0   0   3]
 [  0   0 373   1   0   0]
 [  0   0   0 281  30  25]
 [  0   0   0  14 220  33]
 [  0   0   0   6  14 265]]

在添加行之前（每当多次删除一行时），这里是典型的混淆矩阵（再次使用实际数据中的#s而不是样本数据）：

[[343   0   0   0   3   0]
 [  2 349  39   0   0   2]
 [  0  52 322   0   0   0]
 [  0   0   0 330   3   3]
 [  0   0   0   3 261   3]
 [  0   0   0   2   1 282]]

以下是添加或删除任何数据点之前的混淆矩阵：

[[343   0   0   0   3   0]
 [  3 355  31   0   0   3]
 [  0  30 344   0   0   0]
 [  0   0   0 331   1   4]
 [  0   0   0   1 261   5]
 [  0   0   0   3   4 278]]