数字索引选行+标签选列设置DataFrame单元格值的最佳实践

你的问题核心是索引重复无法用loc/at，而iloc链式索引触发警告，iat不支持列名，以下是两种可靠解决方案，绝对不要忽略警告（它提示你可能在修改无效的副本）：

一、优先采用矢量化操作（推荐） #

pandas的核心优势是矢量化运算，比循环高效数倍且完全避免索引警告。针对你的场景，直接批量拆分Text列后赋值即可：

def parser(df):
    # 复制原DataFrame，避免修改原始数据（可选但推荐）
    newdf = df.copy()
    # 拆分Text列，自动处理逗号前后的空格
    split_cols = newdf['Text'].str.split(',', expand=True).apply(lambda x: x.str.strip())
    # 映射到目标列：拆分后的第2/3/4项对应Team/Room/Person
    newdf['Team'] = split_cols[1]
    newdf['Room'] = split_cols[2]
    newdf['Person'] = split_cols[3]
    # 过滤非字符串的行（如NaN），重置对应列为空
    non_str_mask = ~newdf['Text'].apply(lambda x: isinstance(x, str))
    newdf.loc[non_str_mask, ['Team', 'Room', 'Person']] = None
    return newdf

二、必须用循环时的正确写法 #

如果特殊场景下必须用循环，要避免链式索引（比如iloc[i]['Team']会返回副本），改用以下两种写法：

方法1：先获取列的位置索引（兼顾可读性与性能） #

def parser(df):
    newdf = df.copy()
    # 通过列名获取对应位置索引，后续用数字索引操作
    col_indices = {
        'Text': newdf.columns.get_loc('Text'),
        'Team': newdf.columns.get_loc('Team'),
        'Room': newdf.columns.get_loc('Room'),
        'Person': newdf.columns.get_loc('Person')
    }
    
    for i in range(len(newdf)):
        txt = newdf.iloc[i, col_indices['Text']]
        if isinstance(txt, str):
            splits = [s.strip() for s in txt.split(',')]
            # 用iloc同时指定行号和列位置，直接修改原DataFrame
            newdf.iloc[i, col_indices['Team']] = splits[1]
            newdf.iloc[i, col_indices['Room']] = splits[2]
            newdf.iloc[i, col_indices['Person']] = splits[3]
    return newdf

方法2：单行DataFrame赋值（可读性好但效率略低） #

def parser(df):
    newdf = df.copy()
    for i in range(len(newdf)):
        txt = newdf.iloc[i]['Text']
        if isinstance(txt, str):
            splits = [s.strip() for s in txt.split(',')]
            # 取单行DataFrame而非Series，避免链式索引问题
            row = newdf.iloc[i:i+1]
            row['Team'] = splits[1]
            row['Room'] = splits[2]
            row['Person'] = splits[3]
            newdf.iloc[i:i+1] = row
    return newdf

内容的提问来源于stack exchange，提问作者Ariana P