如何基于列变量的计算结果替换DataFrame中price列的所有值？为何df.replace方法未生效？

嘿，我来帮你捋捋为啥你的代码没生效，以及怎么搞定它～

• 循环变量被覆盖：在iterrows()的循环里，number和updateNum会被每一行的新值不断覆盖，最后执行df.replace()时，只会用最后一次循环得到的那一组数值去替换，自然没法批量更新所有行的price。
• replace方法用错场景：这个方法是用来匹配全表中等于to_replace的固定值并替换，而你需要的是对每一行的price做个性化计算后更新，完全不是一个逻辑。
• 没把计算结果写回原表：你在循环里只是算出了updateNum，但压根没把这个值存回DataFrame的对应行，最后用replace相当于做了一次无效的全局替换操作。

首选方案：用Pandas矢量化运算（高效又简洁） #

Pandas的核心就是矢量化操作，直接对整列做计算，一行代码就能搞定所有行，完全不需要循环：

maindf['price'] = maindf['price'] / 10 ** 2

这行代码会自动遍历price列的每一个元素，执行除以100的运算，然后直接更新原列的值，既高效又不会出错，这才是Pandas的正确打开方式～

特殊场景下用循环（不推荐，效率低） #

如果你确实因为某些特殊需求必须用逐行循环，那要在循环内部直接把计算结果赋值回DataFrame的对应位置，而不是最后用replace：

for index, row in maindf.iterrows():
    number = row["price"]
    updateNum = number / 10 ** 2
    # 通过loc索引直接把值写回对应行的price列
    maindf.loc[index, 'price'] = updateNum

不过要注意，iterrows()的效率比矢量化操作低很多，数据量大的时候会明显变慢，所以能不用就不用哈。

内容的提问来源于stack exchange，提问作者Spaceglider