使用iterrows提取特定日期DataFrame列值异常：event列全返回nan

问题原因 #

你写的循环逻辑存在致命问题：每次循环执行df['event'] = row['close']或df['event'] = float('nan')都是给整个event列赋值，而非单独修改当前行。循环会遍历每一行，最后一次循环的赋值会覆盖之前所有操作——如果目标日期不是DataFrame的最后一行，最终整列都会被最后一次循环的NaN覆盖，这就是目标行也显示NaN的核心原因。

另外，iterrows()本身是效率极低的遍历方式，完全没必要用它来完成这类批量列赋值操作。

正确实现方法 #

方法1：用loc精准赋值（推荐） #

先给整列初始化NaN，再单独给目标日期行赋值：

# 初始化event列为NaN
df['event'] = float('nan')
# 给指定日期的行赋值对应close值
df.loc['2000-03-20 00:00:00', 'event'] = df.loc['2000-03-20 00:00:00', 'close']

方法2：用where方法一行实现 #

利用where保留符合条件的行值，其余自动设为NaN：

df['event'] = df['close'].where(df.index == '2000-03-20 00:00:00')

方法3：用mask方法 #

和where逻辑相反，实现效果一致：

df['event'] = df['close'].mask(df.index != '2000-03-20 00:00:00')

额外注意点 #

• 确保DataFrame的index确实是字符串类型的日期，如果是datetime类型，要把匹配值改成pd.to_datetime('2000-03-20 00:00:00')，否则会匹配失败。可通过type(df.index[0])检查索引类型。
• 以上方法均避免了循环遍历，比iterrows()效率高得多，处理大数据量时差距尤为明显。

内容的提问来源于stack exchange，提问作者x945