Python遍历DataFrame调整宝可梦对草系攻击值的问题及优化

你的代码存在的核心问题 #

• 条件判断逻辑错误：你把类型值（比如Grass）和["Type 1 == Fire"]这类格式混乱的列表做对比，完全不符合逻辑，应该直接和纯类型名称（如"Fire"）比较，同时代码里还存在Type1== Steel这类拼写/格式错误。
• 赋值错误：循环中你每次添加的是整个df_["Attack"]列，而非当前行的攻击值，最终grass_attack会是包含多个Series的列表，无法直接赋值给新列。
• 变量名不一致：代码里出现了未定义的result.append，应该是grass_attack.append。

高效实现方法（无需手动遍历） #

Pandas的优势在于矢量化操作，比手动遍历高效得多，推荐以下两种方式：

方法1：使用np.select（清晰直观） #

先定义克制、被克制的类型集合，再批量计算调整值：

import numpy as np

# 草系克制的类型（攻击减半）
grass_resist = {"Fire", "Flying", "Poison", "Bug", "Steel", "Grass", "Dragon"}
# 草系弱势的类型（攻击翻倍）
grass_weak = {"Ground", "Water", "Rock"}

# 构建条件与对应值的列表
conditions = [
    df_["Type 1"].isin(grass_resist),
    df_["Type 1"].isin(grass_weak)
]
values = [
    df_["Attack"] / 2,
    df_["Attack"] * 2
]

# 计算调整后攻击值，默认保持原攻击
df_["grass_attack"] = np.select(conditions, values, default=df_["Attack"])
print(df_)

方法2：使用map结合字典映射 #

先构建类型到倍率的字典，再映射计算：

# 类型对应的攻击倍率字典
type_multiplier = {
    "Fire": 0.5, "Flying": 0.5, "Poison": 0.5, "Bug": 0.5,
    "Steel": 0.5, "Grass": 0.5, "Dragon": 0.5,
    "Ground": 2, "Water": 2, "Rock": 2
}

# 计算调整后攻击，未匹配到的类型默认倍率为1
df_["grass_attack"] = df_["Attack"] * df_["Type 1"].map(type_multiplier).fillna(1)
print(df_)

手动遍历的正确写法（不推荐，仅作参考） #

如果一定要用遍历，需逐行获取对应值：

grass_attack = []
for idx, row in df_.iterrows():
    type_1 = row["Type 1"]
    attack = row["Attack"]
    if type_1 in {"Fire", "Flying", "Poison", "Bug", "Steel", "Grass", "Dragon"}:
        grass_attack.append(attack / 2)
    elif type_1 in {"Ground", "Water", "Rock"}:
        grass_attack.append(attack * 2)
    else:
        grass_attack.append(attack)

df_["grass_attack"] = grass_attack
print(df_)

内容的提问来源于stack exchange，提问作者Dome