如何在循环中修改Pandas列值并更新原DataFrame？

我有如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'col1':[1,1,1,1,2,2,2], 'col2':['stuff' for i in range(7)]})

我希望按col1的值拆分数据集，执行相关操作后修改col1的值：

for c in list(set(df.col1)):
    dd = df[df.col1 == c]
    # 执行相关操作
    dd.col1 = [1,1,2,2]

我需要这些col1的修改能同步到原DataFrame中，并相应递增剩余的col1值，期望得到结果：

df = pd.DataFrame({'col1':[1,1,2,2,3,3,3], 'col2':['stuff' for i in range(7)]})

如果修改后的dd.col1最大值为4，剩余col1值需递增为4+1，即：

pd.DataFrame({'col1':[1,2,3,4,5,5,5]})

我尝试用以下代码在循环中更新col1值但未成功：

df[df.index.isin(dd.index.to_list())]['col1']=dd.col1.to_list()

是否有其他可行方法？

补充说明 #

我有如下示例代码展示需求目标：

df = pd.DataFrame({'col1':[1,1,1,1,2,2,2,3,3], 'col2':['stuff' for i in range(9)]})
df
dg = pd.DataFrame()
uids = list(set(df.col1))
dd = df[df.col1==uids[0]].copy()
# 执行相关操作
dd.col1 = [1,1,2,2]
dg=pd.concat([dg,dd], ignore_index=True)
# 更新原数据集的值
dd = df[df.col1==uids[1]].copy()
dd.col1 = 1 + max(dg.col1)
dg=pd.concat([dg,dd], ignore_index=True)
dd = df[df.col1==uids[2]].copy()
dd.col1 = 1 + max(dg.col1)
dg=pd.concat([dg,dd], ignore_index=True)

我的操作流程为：

1. 基于原始df开始
2. 按col1的第一个唯一值拆分数据集
3. 执行操作并修改col1的值（操作可能改变或不改变col1值）
4. 因col1值已更新，需更新其他唯一值对应的剩余col1值
5. 最终得到新的数据集dg

是否有更简洁的实现方式？

优化思路 #

你的问题核心是链式索引导致的赋值失效（df[...]['col1']属于链式索引，会创建副本而非操作原数据），同时可以通过整理流程避免重复的concat和手动跟踪最大值，让代码更简洁高效。

具体实现 #

import pandas as pd

df = pd.DataFrame({'col1':[1,1,1,1,2,2,2,3,3], 'col2':['stuff' for i in range(9)]})
dg = pd.DataFrame()
current_max = 0

# 按col1唯一值排序遍历（set无序，sorted保证顺序符合预期）
unique_cols = sorted(df['col1'].unique())
for c in unique_cols:
    dd = df[df['col1'] == c].copy()
    
    # 处理第一个分组：执行自定义修改操作
    if c == unique_cols[0]:
        # 替换为你的实际业务操作
        dd['col1'] = [1,1,2,2]
        current_max = dd['col1'].max()
    else:
        # 后续分组col1设为当前最大值+1
        dd['col1'] = current_max + 1
        current_max = dd['col1'].max()
    
    dg = pd.concat([dg, dd], ignore_index=True)

print(dg)

关键改进点 #

• 用df['col1'].unique()替代list(set(df.col1))，结合sorted保证分组遍历顺序（set是无序的，可能导致第一个分组不符合预期）
• 用current_max变量实时跟踪已处理分组的col1最大值，避免每次调用max(dg.col1)，提升效率
• 避免链式索引赋值问题，直接操作副本后合并到结果集，逻辑更清晰
• 代码结构模块化，自定义操作部分可单独封装成函数，便于后续维护

直接修改原DataFrame的方法 #

如果需要直接修改原DataFrame而非创建新的dg，可以通过loc索引定位赋值（避免链式索引）：

# 示例：将修改后的dd.col1同步到原df
df.loc[dd.index, 'col1'] = dd['col1'].values

内容的提问来源于stack exchange，提问作者frank