Pandas iloc、loc及多层索引问题：如何编写正确代码通过双层for循环生成目标DataFrame

首先，咱们先梳理下你原代码里的几个核心问题：

• 语法错误：range(0,len(df["date"]) 缺右括号；rang是拼写错误，应该是range；range(1,2/5) 里的2/5是0.4，而range只接受整数参数，这会直接触发报错。
• 索引赋值隐患：链式使用df["P*sigma"].iloc[0:i]会触发SettingWithCopyWarning，甚至可能导致赋值不生效——因为Pandas无法确定你是在操作原DataFrame还是它的临时副本。
• 列名逻辑偏差："P*sigma"是固定字符串，但你显然是想为每个sigma值生成动态列名，比如"P*1"、"P*2"这类对应不同sigma的计算列。

接下来，我结合iloc、loc和多层索引的知识，分两种常见场景给你提供正确的实现方案：

场景1：sigma是一组固定标量值（比如1到5） #

假设你想为sigma=1、2、3、4、5分别生成对应的计算列，咱们用loc来安全赋值，避免索引问题：

import pandas as pd

# 先定义需要的sigma值列表
sigma_values = [1, 2, 3, 4, 5]

# 循环每个sigma值生成对应列
for sigma in sigma_values:
    # 用f-string生成动态列名
    col_name = f"P*{sigma}"
    # 使用loc直接操作原DataFrame的整列，避免链式索引警告
    df.loc[:, col_name] = df["p"] * sigma

如果需要实现你原代码里「前i行赋值」的逻辑，可以这样调整：

sigma_values = [1, 2, 3, 4, 5]

for sigma in sigma_values:
    col_name = f"P*{sigma}"
    # 先创建空列占位
    df[col_name] = None
    # 循环每行索引i，为前i行赋值
    for i in range(1, len(df)+1):
        # 用iloc按位置定位行，配合columns.get_loc获取列的位置，确保赋值生效
        df.iloc[:i, df.columns.get_loc(col_name)] = df["p"].iloc[:i] * sigma

场景2：sigma是DataFrame中的一列，生成多层索引结果 #

如果你的目标是构建**多层索引（MultiIndex）**的DataFrame，把sigma作为二级列索引（让数据结构更规整），可以这么做：

# 提取df中sigma列的唯一值
unique_sigmas = df["sigma"].unique()

# 复制原DataFrame作为结果容器
result_df = df.copy()
multi_col_tuples = []

for sigma in unique_sigmas:
    # 定义多层索引的列名元组
    col_tuple = ("P*sigma", sigma)
    multi_col_tuples.append(col_tuple)
    # 计算对应列的值
    result_df[col_tuple] = df["p"] * sigma

# 将列设置为多层索引
result_df.columns = pd.MultiIndex.from_tuples(result_df.columns)

这样生成的DataFrame列会是双层结构：一级列是"P*sigma"，二级列对应不同的sigma值，后续做筛选、聚合操作会更方便。

关键知识点提醒 #

• loc vs iloc：loc是基于标签的索引，iloc是基于位置的索引。赋值时优先用loc[:, col_name]，它明确操作原DataFrame，能避免SettingWithCopyWarning。
• 动态列名：用f-stringf"P*{sigma}"可以快速生成对应sigma值的列名，让代码可读性更强。
• 多层索引：当需要分组存储同类型计算结果时，MultiIndex能让数据结构更清晰，是Pandas处理复杂表格的常用技巧。

现在你可以根据自己的实际需求选择对应的代码，应该就能得到你想要的目标DataFrame了。

内容的提问来源于stack exchange，提问作者vahid vhr