使用iterrows为Pandas DataFrame赋值无效问题求助

为什么你的循环没生效？ #

用iterrows()遍历DataFrame时，每次迭代返回的row是原数据行的副本，不是对原DataFrame的直接引用。你修改row['col4']只是改动了这个临时副本，原DataFrame的col4不会受到影响。

推荐的解决方案（优先用向量化操作） #

Pandas的设计初衷是用向量化操作替代循环，效率更高且代码更简洁，这里有两种最优写法：

方法1：通过loc按条件批量赋值

直接定位符合条件的行和列，批量完成赋值：

df.loc[df['col2'] == 1, 'col4'] = df['col3'] * 3
df.loc[df['col2'] == 2, 'col4'] = df['col3'] * 2
df.loc[df['col2'] == 3, 'col4'] = df['col3'] * 1

方法2：用映射关系简化逻辑

先定义col2对应的乘数映射，再通过map匹配乘数后与col3相乘：

multiplier_map = {1: 3, 2: 2, 3: 1}
df['col4'] = df['col2'].map(multiplier_map) * df['col3']

这种写法扩展性更强，后续如果新增col2的取值，只需要修改映射字典即可。

如果一定要用循环（不推荐大数据场景） #

如果坚持用循环实现，需要通过索引i定位原DataFrame的行进行修改，同时把多个if改成elif减少冗余判断：

for i, row in df.iterrows():
    if row['col2'] == 1:
        df.loc[i, 'col4'] = row['col3'] * 3
    elif row['col2'] == 2:
        df.loc[i, 'col4'] = row['col3'] * 2
    elif row['col2'] == 3:
        df.loc[i, 'col4'] = row['col3'] * 1

内容的提问来源于stack exchange，提问作者E_Sarousi