如何提升DataFrame中循环的应用能力？错误代码求修正

原代码的问题分析 #

1. 条件判断错误使用赋值符号=，应该用比较符号==
2. 循环遍历df['name']的元素时，判断逻辑错误引用了整个列，而非当前遍历的元素
3. else分支直接修改整个df['name']列，会覆盖所有行的数值，而非仅当前行

修正后的循环代码 #

如果一定要用循环实现需求，可修改为：

for idx, name in df['name'].items():
    if name == 'Amit':
        print('yes Amit')
    else:
        df.loc[idx, 'name'] = 'not Amit'

说明：

• 用items()同时获取行索引和对应name值，方便定位到具体行修改
• 用==做相等判断，符合Python语法规范
• 通过df.loc[idx, 'name']修改指定行的name值，避免批量覆盖

更高效的Pandas向量化实现 #

Pandas的核心优势是向量化操作，循环效率极低（数据量大时尤为明显），推荐用以下方式替代：

1. 打印匹配结果 #

# 筛选出name为Amit的行并打印
for _ in df[df['name'] == 'Amit'].index:
    print('yes Amit')

2. 修改非Amit的name值 #

# 用apply方法处理每个元素
df['name'] = df['name'].apply(lambda x: x if x == 'Amit' else 'not Amit')

# 或用numpy.where实现向量化替换
import numpy as np
df['name'] = np.where(df['name'] == 'Amit', df['name'], 'not Amit')

内容的提问来源于stack exchange，提问作者Sufi Ali