循环后用计数器更新字典多键值失败及DataFrame警告求助

先针对你遇到的两个核心问题——字典未正确更新和SettingWithCopyWarning警告，一步步给出解决方案：

一、字典未成功更新的修复 #

你的代码里有个明显的逻辑冗余，还有可以优化的地方，调整后就能确保字典正常更新：

def quizresult(quiz_df):
    maxmarks = 10.0
    # 初始化计数器，计数用整数0更合理，无需0.0
    noofpresent = len(quiz_df.index)  # 总人数直接放循环外，只计算一次
    lessthanfifty = 0
    betweenfiftyandsixty = 0
    betweensixtyandseventy = 0
    betweenseventyandeighty = 0
    greaterthaneighty = 0

    for i in range(len(quiz_df)):
        # 把重复计算的分数比例提取出来，减少冗余
        grade_ratio = float(quiz_df.loc[i, 'Grade/10.00']) / maxmarks
        # 用elif替代多if，避免重复判断，提升效率
        if grade_ratio < 0.5:
            lessthanfifty += 1
        elif grade_ratio < 0.6:
            betweenfiftyandsixty += 1
        elif grade_ratio < 0.7:
            betweensixtyandseventy += 1
        elif grade_ratio < 0.8:
            betweenseventyandeighty += 1
        else:
            greaterthaneighty += 1

    # 直接构建字典，比update更直观，减少拼写错误概率
    quiz_result = {
        'noofpresent': noofpresent,
        'lessthan50': lessthanfifty,
        'between50and60': betweenfiftyandsixty,
        'between60and70': betweensixtyandseventy,
        'between70and80': betweenseventyandeighty,
        'greaterthan80': greaterthaneighty
    }
    return quiz_result

这里的关键调整：

• 把总人数的计算移到循环外，避免重复赋值
• 提取重复计算的分数比例，提升代码可读性和效率
• 用elif替代多个独立if，避免每个条件都重复判断
• 直接构建结果字典，比update方法更清晰，降低出错可能

二、SettingWithCopyWarning警告的解决 #

这个警告的根源是：你传入的quiz_df大概率是另一个DataFrame的切片副本，而非原始DataFrame对象（比如你可能通过quiz_df = big_df[big_df['xxx'] == 'yyy']这种方式得到它）。

解决方法有两种：

• 在生成quiz_df时显式复制：
  当你从大DataFrame切片得到quiz_df时，加上.copy()确保它是独立对象：

  quiz_df = big_df[big_df['some_column'] == 'target_value'].copy()
  

• 在函数内部转换为副本：
  如果无法控制quiz_df的生成过程，可以在函数开头先做一次复制：

  def quizresult(quiz_df):
      # 先转为独立副本，避免操作视图引发警告
      quiz_df = quiz_df.copy()
      maxmarks = 10.0
      # 后续代码不变...
  

额外优化：用Pandas矢量化操作替代循环 #

Pandas的优势在于矢量化运算，比手动循环高效得多，尤其是数据量大的时候，你可以用pd.cut简化整个计数逻辑：

import pandas as pd

def quizresult(quiz_df):
    maxmarks = 10.0
    # 批量计算分数比例
    grade_ratios = quiz_df['Grade/10.00'].astype(float) / maxmarks
    # 定义分箱区间和对应标签
    bins = [0, 0.5, 0.6, 0.7, 0.8, 1.0]
    labels = ['lessthan50', 'between50and60', 'between60and70', 'between70and80', 'greaterthan80']
    # 自动统计每个区间的人数
    counts = pd.cut(grade_ratios, bins=bins, labels=labels).value_counts()
    # 构建结果字典并补充总人数
    quiz_result = counts.to_dict()
    quiz_result['noofpresent'] = len(quiz_df.index)
    # 确保所有区间键都存在（避免某区间无数据时缺失键）
    for key in labels:
        quiz_result.setdefault(key, 0)
    return quiz_result

内容的提问来源于stack exchange，提问作者Saurabh Kumar Singh