为何Pandas中apply会破坏category类型而for循环不会？最优写法探讨

问题复现 #

初始创建带有Category类型列的DataFrame：

import pandas as pd
df = pd.DataFrame({"A": ['Apple','Strawberry','Cherry'],"B":['yes','yes','no'],"C":['green','red','red']})
df.B = df.B.astype("category")
df_cpy = df.copy()

1. for循环修改（保留Category类型）
   仅修改C列，未改动的B列仍保持Category类型：

for i, row in df.iterrows():
    if row["C"] == 'green':
        df.at[i, 'C'] = 'yellow'

2. 整行apply修改（破坏Category类型）
   处理整行后，原本的Category列B会变为object类型：

def changer(row):
    if row["C"] == 'green':
        row["C"] = 'yellow'
    return row
df_cpy = df_cpy.apply(changer, axis='columns')

3. 针对单列的apply（保留Category类型）
   仅对C列使用apply，B列的Category类型不受影响：

df["C"] = df.apply(lambda x: 'yellow' if x["C"] == 'green' else x["C"], axis=1)

核心原因 #

• for循环+at修改：属于原地修改，仅对目标列C的指定行进行值替换，其他列（如B）完全未被触碰，因此其Category类型保持不变。
• 整行apply：apply(axis='columns')会逐行将DataFrame的行转换为Series进行处理。当你从DataFrame中取出一行时，该行的Category列元素是普通标量值（而非带有Category类型标记的对象），处理后返回的Series中，B列的元素已经是普通字符串。当pandas将所有处理后的行Series拼接成新DataFrame时，会自动推断列类型，此时B列会被识别为object类型，丢失原有的Category信息。
• 单列apply：仅针对C列进行操作，直接替换C列的值，其他列完全未被操作，因此B列的Category类型得以保留。

多列修改时保留Category类型的最优写法 #

优先使用向量化操作，这类操作不仅效率远高于循环或整行apply，还能完美保留原有列的类型：

1. 原地批量修改（loc） #

适合需要直接修改原DataFrame的场景，可同时修改多列：

# 示例：当C列为green时，修改C为yellow，同时修改A为'Yellow Apple'
df.loc[df['C'] == 'green', ['C', 'A']] = ['yellow', 'Yellow Apple']

2. 创建新DataFrame（assign） #

适合不希望修改原DataFrame的场景，链式调用更清晰：

import numpy as np

df_new = df.assign(
    C=np.where(df['C'] == 'green', 'yellow', df['C']),
    A=np.where(df['C'] == 'green', 'Yellow Apple', df['A'])
)

3. 针对多列的自定义函数（复杂逻辑场景） #

如果修改逻辑复杂，无法用简单的向量化操作实现，可针对列单独使用apply，避免整行处理：

def modify_c(c_val):
    return 'yellow' if c_val == 'green' else c_val

def modify_a(a_val, c_val):
    return 'Yellow Apple' if c_val == 'green' else a_val

df['C'] = df['C'].apply(modify_c)
df['A'] = df.apply(lambda x: modify_a(x['A'], x['C']), axis=1)

这种方式仅修改目标列，其他列（如B）的Category类型不受影响。

内容的提问来源于stack exchange，提问作者teq508