Pandas循环赋值问题：Test列全行被覆盖而非对应行赋值

问题描述 #

我用Python解析银行XML账单，用Pandas处理数据时遇到了问题。原本想让匹配到瑞士IBAN的行在Test列填入对应IBAN，未匹配的行填None，但循环最后一次的结果覆盖了整个Test列——比如2条数据里，第一行无匹配却被设成了第二行的IBAN。循环的索引i和getlength数值是对的，怀疑是混淆了普通循环和Pandas的数据操作逻辑。

原问题代码 #

for i in range(0, getlength):
    result = str(dd['entry_details'][i])
    search_for_iban = re.search("CH\d{2}[ ]\d{4}[ ]\d{4}[ ]\d{4}[ ]\d{4}[ ]\d{1}|CH\d{19}", result)
    
    if(search_for_iban is None):
        df['Test'] = 'None'
    else:
        df['Test'] = search_for_iban.group()

all_entries.append(df)

问题分析 #

你的问题核心是直接对整个df['Test']列赋值，而非针对单行操作。每次循环都会把整个Test列替换为当前循环的结果，最后一次循环的赋值会覆盖之前所有操作，导致全列都是最后一次循环的匹配结果（或None）。

解决方案 #

方案1：修正循环逻辑（针对单行赋值） #

先初始化Test列为None，然后通过df.loc[i, 'Test']仅修改当前行的值：

# 初始化Test列为None
df['Test'] = None
for i in range(getlength):
    result = str(dd['entry_details'][i])
    search_for_iban = re.search(r"CH\d{2}[ ]\d{4}[ ]\d{4}[ ]\d{4}[ ]\d{4}[ ]\d{1}|CH\d{19}", result)
    if search_for_iban is not None:
        # 仅修改第i行的Test列
        df.loc[i, 'Test'] = search_for_iban.group()

all_entries.append(df)

方案2：使用Pandas矢量化操作（推荐） #

Pandas原生支持字符串矢量化处理，无需循环，效率更高且代码更简洁：

# 定义瑞士IBAN正则表达式
iban_pattern = r"(CH\d{2}[ ]\d{4}[ ]\d{4}[ ]\d{4}[ ]\d{4}[ ]\d{1}|CH\d{19})"
# 将entry_details转为字符串后提取IBAN，无匹配则为NaN
df['Test'] = dd['entry_details'].astype(str).str.extract(iban_pattern, expand=False)
# 可选：将NaN替换为字符串'None'
df['Test'] = df['Test'].fillna('None')

all_entries.append(df)

为什么推荐矢量化操作？ #

Pandas的设计初衷就是高效处理批量数据，矢量化操作比逐行循环的执行速度快得多（数据量越大差距越明显），同时代码更简洁，避免了循环中容易出现的索引错误。

内容的提问来源于stack exchange，提问作者plumped