Pandas DataFrame在for循环中无法更新，随机位翻转失败如何解决？

问题重现 #

尝试在100万行、8列的0/1 Pandas DataFrame中随机翻转10个位，但无论用at/loc还是异或、条件判断逻辑，最终检查data_in和data的差值总和始终为0，DataFrame看似未发生更新。

原翻转代码：

import pandas as pd
import numpy as np
import random
data_in = pd.read_csv('input.csv')
data = data_in  # 此处为问题核心
for i in range(0, 10):
    a = random.randint(0, 999999)
    b = random.randint(0, 7)
    b = str(b)
    # 使用异或翻转
    data.at[a, b] = data.at[a, b] ^ 1
    # 或者用条件判断逻辑
    # if (data.loc[a, b] == 1):
    #     data.loc[a, b] = 0
    # else:
    #     data.loc[a, b] = 1

检查代码：

c = abs(data_in-data)
c = c.sum(axis=0)
c = c.sum()  # 结果始终为0

问题原因 #

1. 引用赋值而非拷贝：data = data_in并没有创建新的DataFrame对象，只是让data指向了和data_in相同的内存地址。修改data的同时会同步修改data_in，最终两者完全一致，差值自然为0。
2. （次要）若CSV读取后列数据类型为object，异或操作可能无法正确生效，但核心问题仍是引用赋值导致的对象同步。

解决方案 #

1. 修正循环方法（基础版）

先对原DataFrame做深拷贝，确保data是独立对象：

import pandas as pd
import numpy as np
import random
data_in = pd.read_csv('input.csv')
data = data_in.copy()  # 改为深拷贝
for i in range(0, 10):
    a = random.randint(0, 999999)
    b = random.randint(0, 7)
    col_name = str(b)
    # 若数据类型不是int，先转换
    # data[col_name] = data[col_name].astype(int)
    data.at[a, col_name] = data.at[a, col_name] ^ 1

此时运行检查代码，c会等于10（对应翻转的10个位）。

2. 高效批量处理（推荐，避免循环）

100万行的DataFrame用for循环效率极低，推荐用NumPy向量化操作直接批量修改：

import pandas as pd
import numpy as np
data_in = pd.read_csv('input.csv')
data = data_in.copy()

# 生成10个随机翻转位置
n_flips = 10
rows = np.random.randint(0, len(data), size=n_flips)
cols = np.random.randint(0, 8, size=n_flips)

# 转为NumPy数组直接修改，比循环效率提升百倍
data_np = data.to_numpy()
data_np[rows, cols] ^= 1
data = pd.DataFrame(data_np, columns=data.columns)

验证结果 #

运行检查代码：

c = abs(data_in - data).sum().sum()
print(c)  # 输出10，符合预期

内容的提问来源于stack exchange，提问作者Ebs