如何自动遍历DataFrame中SQL查询并将结果存入新列？

我来帮你搞定这个问题！你现在的代码没实现遍历所有行，而且依赖全局变量的方式不太稳妥，这里给你两种简单可靠的解决方案：

方法一：用apply函数（简洁高效） #

这是Pandas里处理逐行操作最常用的方式，一行代码就能搞定新列的生成：

import pandas as pd
# 假设你已经建立好数据库连接conn

def run_single_sql(sql_stmt):
    # 执行传入的SQL语句，返回结果集中的第一个值
    result_df = pd.read_sql(sql_stmt, conn)
    # 处理SQL可能返回空结果的情况，避免报错
    return result_df.iat[0, 0] if not result_df.empty else None

# 直接对column2的每条SQL应用函数，结果存入新列column3
df_parameter['column3'] = df_parameter['column2'].apply(run_single_sql)

为啥这么写？ #

• apply会自动遍历column2的每一行，把每条SQL传给run_single_sql函数
• 函数里先执行SQL拿到结果DataFrame，再用iat[0,0]取出聚合后的单个值（你的SQL都是sum查询，结果只有一行一列）
• 加了空结果判断，防止某些SQL没查到数据导致程序崩溃

方法二：用循环遍历（直观易调试） #

如果你更喜欢一步步看执行过程，用iterrows循环遍历每一行也很方便：

import pandas as pd
# 假设conn已建立

# 先初始化一个空的column3列
df_parameter['column3'] = None

# 遍历DataFrame的每一行，idx是行索引，row是当前行的数据
for idx, row in df_parameter.iterrows():
    current_sql = row['column2']
    # 执行SQL
    result_df = pd.read_sql(current_sql, conn)
    # 把结果赋值给当前行的column3
    if not result_df.empty:
        df_parameter.at[idx, 'column3'] = result_df.iat[0, 0]
    else:
        df_parameter.at[idx, 'column3'] = None

注意事项 #

• 确保你的数据库连接conn是正常打开的，并且有执行这些SQL的权限
• 检查column2里的SQL语法是否正确，比如你示例里的单引号嵌套（data_mothrn ='2020-04'）要确保不会导致SQL语法错误
• 如果SQL执行耗时较长，apply和循环的速度差不多，要是数据量极大，可以考虑用并行处理，但一般小到中等数据量这两种方法足够用

内容的提问来源于stack exchange，提问作者meng leng heish