如何在DataFrame迭代中修改行值并持久化更改结果

问题原因 #

使用iterrows()迭代DataFrame时，每次循环拿到的r是原数据行的副本，而非对原DataFrame的引用，所以修改r的内容不会同步到原数据中。

可行解决方案 #

• 通过loc直接修改原DataFrame
  在迭代时，利用行索引i，通过df.loc定位到原数据的对应位置赋值：

  for i, r in df.iterrows():
      df.loc[i, 'population'] = r['population'] * 2
  

• 使用apply方法批量处理
  用apply按行执行逻辑，直接生成新列值覆盖原列：

  df['population'] = df.apply(lambda row: row['population'] * 2, axis=1)
  

• 用itertuples替代iterrows（更高效）
  itertuples返回命名元组，通过元组的Index属性获取行索引，再修改原数据：

  for row in df.itertuples():
      df.loc[row.Index, 'population'] = row.population * 2
  

• 优先使用向量化操作（pandas推荐）
  迭代行在数据量大时效率极低，pandas原生支持整列的向量化运算，这是最优方案：

  # 两种写法效果一致
  df['population'] *= 2
  # 或者
  df['population'] = df['population'] * 2
  

内容的提问来源于stack exchange，提问作者techie11