如何循环处理DataFrame行并避免写入CSV时覆盖原有值？

嘿，我完全懂你遇到的糟心问题——遍历每行做情感分析后，所有行的结果居然都被最后一行给覆盖了！这其实是代码里两个关键逻辑错误导致的，咱们一步步捋清楚：

问题根源 #

1. 整列赋值而非单行修改：你写的 data['Score']=sentiment 会把整个Score列的所有行都设置成当前循环行的情感分值，同理data['Sentiment']='Neutral'也是直接修改整列。循环到最后一行时，所有行自然都会被改成最后一行的结果。
2. 循环内重复写入CSV：每次循环都调用to_csv，一会儿追加一会儿覆盖，不仅会让文件内容混乱，还会因为整列已经被修改，每次写入的都是当前整列的状态，最后全是最后一行的值。

修复后的代码 #

from textblob import TextBlob
import pandas as pd

# 读取数据：如果原HR.csv只有评论列，names只保留'Comments'更合理，避免列名混乱
read = pd.read_csv('HR.csv', delimiter=',', skip_blank_lines=False, skiprows=1, names=['Comments'])
data = pd.DataFrame(read)

# 先初始化Score和Sentiment列，避免后续赋值报错
data['Score'] = 0.0
data['Sentiment'] = ''

# 用iterrows遍历，同时获取行索引和行数据
for idx, row in data.iterrows():
    # 只提取当前行的评论文本做分析，别把整行转成字符串（原代码会把索引、列名都混进去）
    comment_text = row['Comments']
    obj = TextBlob(comment_text)
    sentiment_score = obj.sentiment.polarity
    
    # 精准修改当前行的对应列，而不是整列覆盖
    data.loc[idx, 'Score'] = sentiment_score
    if sentiment_score == 0:
        data.loc[idx, 'Sentiment'] = 'Neutral'
    elif sentiment_score > 0:
        data.loc[idx, 'Sentiment'] = 'Positive'
    else:
        data.loc[idx, 'Sentiment'] = 'Negative'

# 所有行处理完成后，一次性写入CSV，避免重复写入的混乱
data.to_csv('HR12.csv', index=False)

关键改进点 #

• 用iterrows()拿到行索引idx，通过data.loc[idx, 列名]只修改当前行的数值，再也不会整列被覆盖。
• 把to_csv移到循环外面，所有行处理完再一次性写入，既高效又不会出现内容混乱。
• 只提取每行的Comments文本做情感分析，原代码里把整行转成字符串的操作会把索引、列名等无关内容混进去，导致分析结果不准确。

这样修改后，你的CSV文件就会每行对应各自的情感分析结果，再也不会出现全是最后一行值的问题啦！

内容的提问来源于stack exchange，提问作者hadeel FI