Pandas：如何使用enumerate循环更新多列？

没问题，我来帮你搞定这个批量生成列的需求！先看看你的初始DataFrame：

import pandas as pd

# 你的初始DataFrame
df = pd.DataFrame({
    'name': ['a', 'b', 'c'],
    'count1': [1, 2, 3],
    'count2': [2, 4, 6]
})

你需要批量生成count3（count1 * 10）和count4（count2 * 10²），还要避免手动逐个写列赋值，同时直接在原DataFrame上修改，下面给你两种实用的方案：

方案1：自定义规则循环生成 #

如果你的新列和原始列的对应关系固定（比如哪列对应哪个乘数），可以先定义规则列表，再循环处理，完美适配批量操作：

# 定义生成规则：(原始列名, 新列名, 乘数)
column_rules = [
    ('count1', 'count3', 10**1),
    ('count2', 'count4', 10**2)
]

# 循环批量生成新列，直接在原DataFrame上修改（类似inplace=True的效果）
for orig_col, new_col, multiplier in column_rules:
    df[new_col] = df[orig_col] * multiplier

这种方式灵活性拉满，后续不管要加多少列，只需要在column_rules里添加对应规则行就行，不用重复写赋值逻辑。

方案2：自动匹配规则生成（适合列数量多的场景） #

如果你的原始列都是countX格式，新列按顺序生成count(X+N)（N是原始count列的数量），乘数是10的对应次方，那可以自动生成规则，完全不用手动列出来：

# 先筛选出所有原始的count开头的列
orig_count_cols = [col for col in df.columns if col.startswith('count')]
# 获取原始count列的数量
orig_col_num = len(orig_count_cols)

# 循环自动生成新列
for idx, orig_col in enumerate(orig_count_cols, start=1):
    # 新列名：count + (原始列数量 + 当前索引)
    new_col_name = f'count{orig_col_num + idx}'
    # 乘数：10的当前索引次方
    multiplier = 10 ** idx
    # 赋值生成新列
    df[new_col_name] = df[orig_col] * multiplier

运行任意一种方案后，你的DataFrame就会变成想要的样子：

name  count1  count2  count3  count4
0    a       1       2      10     200
1    b       2       4      20     400
2    c       3       6      30     600

两种方案都是直接在原DataFrame上添加新列，不需要创建新对象，完全符合你要的类似inplace=True的效果。

内容的提问来源于stack exchange，提问作者Primer4662