如何在Python DataFrame的itertuples循环中更新当前记录？

问题根源 #

itertuples()返回的是不可变的namedtuple对象，你直接修改rowB.Qty只是修改了这个临时对象的属性，完全不会同步到原DataFramedf_B中，这就是你无法更新的核心原因。

推荐方案：用Pandas向量化操作（高效） #

Pandas的设计初衷就是避免循环，向量化操作处理数据的效率远高于循环。你的需求是按PO和Item匹配，将df_A的Qty从df_B对应行的Qty中扣除，可以这么实现：

import pandas as pd

df_A = pd.read_csv('file_A.csv', header=0)
df_B = pd.read_csv('file_B.csv', header=0)

# 对df_A按PO+Item分组，计算每个组合的总扣除量（适配同PO+Item有多条记录的情况）
df_A_total = df_A.groupby(["PO", "Item"])["Qty"].sum().reset_index()

# 合并df_B和分组后的df_A，匹配对应行
merged_df = df_B.merge(df_A_total, on=["PO", "Item"], how="left", suffixes=("", "_deduct"))

# 计算更新后的Qty：没有匹配到的行保持原数量
merged_df["Qty"] = merged_df["Qty"] - merged_df["Qty_deduct"].fillna(0)

# 恢复原索引（如果需要）
df_B = merged_df.set_index(["PO", "Item"])

保留循环逻辑的方案（仅适用于小数据量） #

如果因为业务逻辑必须保留循环，不要用itertuples()遍历df_B，直接通过索引定位行进行更新：

import pandas as pd

df_A = pd.read_csv('file_A.csv', header=0)
df_B = pd.read_csv('file_B.csv', header=0)

df_B = df_B.set_index(["PO", "Item"])

for rowA in df_A.itertuples():
    # 构造匹配的索引键
    match_key = (rowA.PO, rowA.Item)
    # 检查该键是否存在于df_B的索引中
    if match_key in df_B.index:
        # 直接通过索引更新Qty字段
        df_B.loc[match_key, "Qty"] -= rowA.Qty
        
        # 执行你的其他业务逻辑
        # ...

注意事项 #

• 如果df_B中同一个PO+Item对应多行，上述循环会把rowA.Qty重复扣除每一行。如果需要按行精准匹配扣除，需补充额外匹配条件（比如行号），但这种场景仍优先推荐向量化操作。
• 循环操作在数据量大时性能极差，非必要不要使用。

内容的提问来源于stack exchange，提问作者TheHorn