遍历DataFrame创建新列：获取列表索引值遇问题求助

问题原因分析 #

• itertuples遍历赋值错误：每次循环中df['Index_value'] = Year.index(value)是对整个列赋值，最后一次循环的结果会覆盖所有行，导致所有索引值都是最后一个元素的索引。
• 直接赋值报错：list.index()仅支持单个标量值，而df['Year']是Series对象，无法直接传入，因此触发“Series的真值不明确”错误。

高效解决方案（适配大数据集） #

方案1：字典映射（推荐，性能最优）

先将Year列表转换为“值-索引”的映射字典，再通过map方法完成向量化映射，这是处理大规模数据最快的方式：

import pandas as pd

Year = [2020,2021,2022]
# 构建值到索引的映射字典
year_index_map = {year: idx for idx, year in enumerate(Year)}

df = pd.DataFrame({'Year':[2020,2021,2021,2022],'Sales':[100000,101000,103000,112000]})
# 生成新列
df['Index_value'] = df['Year'].map(year_index_map)

print(df)

输出结果：

Year   Sales  Index_value
0  2020  100000            0
1  2021  101000            1
2  2021  103000            1
3  2022  112000            2

方案2：apply方法（实现简单，性能略逊于字典映射）

通过apply对Year列的每个元素单独调用list.index()：

df['Index_value'] = df['Year'].apply(lambda x: Year.index(x))

注意：如果df['Year']存在不在Year列表中的值，会抛出ValueError，可以添加默认值处理：

df['Index_value'] = df['Year'].apply(lambda x: Year.index(x) if x in Year else -1)

性能说明 #

避免使用itertuples/iterrows等行循环方式，这类方法在大数据集下效率极低。Pandas的向量化操作（如map、优化后的apply）底层基于C实现，性能远高于Python层面的循环。

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