如何正确循环Pandas DataFrame创建新列？循环后未生成pl_stop列的问题排查

你这段代码的核心问题在于错误地使用了.all()方法，导致条件判断完全不符合预期，所以pl_stop列根本没被创建。咱们一步步拆解问题：

1. 为什么原代码不生效？ #

你在循环里写的条件：

if res_d['entry'].all() != False and res_d['take_profit'].all() == False and res_d['stop_loss'].all() != False:

这里的.all()是对整列所有元素进行判断，只有当列里每一个值都满足条件时才返回True。但你的DataFrame里：

• entry列最后一行是False，所以res_d['entry'].all()直接返回False
• take_profit列有两个非False的值（第三、四行），所以res_d['take_profit'].all()也返回False
• 前面两个条件已经不满足，整个if语句永远不会执行，自然不会创建pl_stop列。

另外，你用iterrows()逐行循环的方式也没必要，Pandas推荐用向量化操作替代逐行循环，效率和可读性都更高。

2. 正确的实现方式 #

我们需要逐行判断：当某一行的entry不是False、take_profit是False、stop_loss不是False时，计算stop_loss - entry作为pl_stop的值，其他情况可以设为False或NaN。

方法一：向量化条件判断（推荐） #

直接用布尔索引赋值，不需要循环：

import pandas as pd

# 构造示例DataFrame（模拟你的res_d）
data = {
    'time': ['2022-04-05', '2022-04-06', '2022-04-07', '2022-04-08', '2022-04-09'],
    'entry': [3881.5, 3835.5, 3767.0, 3781.5, False],
    'take_profit': [False, False, 3785.5, 3793.5, False],
    'stop_loss': [3854.5, 3816.5, False, False, False]
}
res_d = pd.DataFrame(data).fillna(False)

# 初始化pl_stop列
res_d['pl_stop'] = False

# 筛选符合条件的行并计算赋值
mask = (res_d['entry'] != False) & (res_d['take_profit'] == False) & (res_d['stop_loss'] != False)
res_d.loc[mask, 'pl_stop'] = res_d.loc[mask, 'stop_loss'] - res_d.loc[mask, 'entry']

运行后得到的结果：

方法二：如果一定要用循环（不推荐，效率低） #

如果你坚持用iterrows()，需要把条件改成针对当前行的判断，而非整列：

res_d['pl_stop'] = False
for index, row in res_d.iterrows():
    if row['entry'] != False and row['take_profit'] == False and row['stop_loss'] != False:
        res_d.loc[index, 'pl_stop'] = row['stop_loss'] - row['entry']

这个也能得到同样结果，但对于大体积的DataFrame，向量化操作的速度会快很多。

3. 额外建议 #

• 尽量避免在Pandas中用逐行循环，向量化操作是Pandas的核心优势，效率和可读性都更优。
• 如果你的False实际代表缺失值，建议用NaN来表示，这样可以用pd.isna()来判断，逻辑会更清晰。

内容的提问来源于stack exchange，提问作者Pren Ven