为何用iterrows()行对象赋值首次有效后续失效？

我有一个通过随机过程返回整数的方法dotest()，遍历多索引DataFrametests的行时，用iterrows()返回的行对象给tests的tranche fails列赋值，但发现只有第一次循环赋值有效，后续循环里的赋值完全没生效。

现象展示 #

运行代码后输出如下：

tranche 0: 30000 tests
                            tranche fails  fails  fails (%)  uncertainty
thickness sample size pval                                              
3         30          0.05           6214   6214      20.71         0.47
5         30          0.05           3249   3249      10.83         0.36
tranche 1: 60000 tests
                            tranche fails  fails  fails (%)  uncertainty
thickness sample size pval                                              
3         30          0.05           6214  12428      20.71         0.33
5         30          0.05           3249   6498      10.83         0.25

后续所有循环中，tranche fails的数值都保持第一次的结果不变。但直接用tests.at[j, "tranche fails"]赋值就完全正常，我想搞懂为什么会出现“首次有效、后续失效”的情况。

精简代码 #

for i in range(0, tranches):
    for j, row in tests.iterrows():
        row.at["tranche fails"] = dotest(tranche_size, j[1], j[0], j[2])
        # tests.at[j, "tranche fails"] = dotest(tranche_size, j[1], j[0], j[2])
    do_other_things()
    print(tests)

完整代码（含验证） #

我用numpy.random.randint()替代dotest()测试，问题依然存在，说明不是dotest()的问题：

for i in range(0, tranches):
    testn = (i + 1) * tranche_size
    print(f"tranche {i}: {testn} tests")
    for j, row in tests.iterrows():
        # row["tranche fails"] = np.random.randint(10)
        row.at["tranche fails"] = dotest(tranche_size, j[1], j[0], j[2])
        # tests.at[j, "tranche fails"] = dotest(tranche_size, j[1], j[0], j[2])
    tests["fails"] += tests["tranche fails"]
    p = tests["fails"]/testn
    tests["fails (%)"] = (100*p).round(2)
    # 用二项分布的正态近似计算不确定性
    tests["uncertainty"] = (2*100*np.sqrt(p*(1-p)/testn)).round(2)
    try:
        prevtests.loc[tests.index, "fails"] += tests["tranche fails"]
        prevtests.loc[tests.index, "tests"] += tranche_size
        print(tests)
        prevtests.to_csv("Previous Tests.csv")
    except:
        pass

这是因为iterrows()返回的row对象是原DataFrame的临时副本，不是对原数据的直接引用：

• 第一次循环时，row副本的修改会被隐式同步回原DataFrame（这是pandas早期版本的设计模糊点，属于意外的弱关联行为）；
• 但当你第一次修改tranche fails列后，该列的数据类型或内部存储结构发生了变化，后续iterrows()返回的row副本变成了完全独立的对象，修改副本不会再同步到原DataFrame。

简单说：第一次赋值时副本和原数据还存在弱关联，后续循环中这种关联被打破，修改副本自然不会影响原DataFrame。

直接使用原DataFrame的索引赋值，避开iterrows()返回的副本问题：

• 用tests.at[j, "tranche fails"]（你代码中注释掉的那行），这是直接操作原DataFrame的高效方式；
• 或者用tests.loc[j, "tranche fails"]，效果相同。

修改后的核心代码：

for i in range(0, tranches):
    for j, _ in tests.iterrows():
        tests.at[j, "tranche fails"] = dotest(tranche_size, j[1], j[0], j[2])
    do_other_things()
    print(tests)

内容的提问来源于stack exchange，提问作者Zoe Allen