为何遍历Pandas DataFrame修改不生效？与Python列表差异解析

先看两个对比示例：

示例1：列表修改生效 #

u=[68, 82, 75]
v=[92, 54, 71, 56]

for x in [u,v]:
  x[0]=100
    
print(u)  # 输出 [100, 82, 75]
print(v)  # 输出 [100, 54, 71, 56]

这个例子里，u和v的第一个元素都被成功改成100，符合预期。

示例2：DataFrame修改不生效 #

import pandas as pd

data_current = [['tom', 72], ['nick', 77], ['julie', 68]]
data_desired = [['mary', 65], ['john', 73], ['Alex', 74]]  

# 创建DataFrame
df_current = pd.DataFrame(data_current, columns=['Name', 'Height'])
df_desired = pd.DataFrame(data_desired, columns=['Name', 'Height'])

# 尝试过滤身高>70的行
for df in [df_current, df_desired]:
  df=df[df['Height']>70]

print("Current Roster:")
print(df_current)  # 仍然保留所有行
print("Desired Roster:")
print(df_desired)  # 仍然保留所有行

这里循环里的过滤操作完全没生效，原DataFrame一点没变。

核心原因：变量引用的区别 #

Python里的变量本质是对象的引用，这两个例子的关键差异在于：

• 列表示例中，x[0]=100是直接修改原对象：
  循环里的x是原列表u/v的引用，修改x的元素时，是直接在u/v指向的那个列表对象上操作，所以外部的u/v能看到变化。

• DataFrame示例中，df=df[df['Height']>70]是替换了引用的对象：
  df[df['Height']>70]会生成一个新的DataFrame对象（过滤后的结果），然后把循环变量df重新指向这个新对象。但原来的df_current/df_desired还是指向最初创建的那个旧DataFrame对象，完全没被改动，所以外部打印时还是原来的数据。

正确的修改方式 #

如果要在循环里修改原DataFrame，有两种常见做法：

方法1：用inplace操作（直接修改原对象）

for df in [df_current, df_desired]:
  # 直接在原对象上删除不符合条件的行
  df.drop(df[df['Height'] <= 70].index, inplace=True)

方法2：遍历索引，重新赋值给原变量

dfs = [df_current, df_desired]
for i in range(len(dfs)):
  dfs[i] = dfs[i][dfs[i]['Height'] > 70]
# 把结果重新赋值给原变量
df_current, df_desired = dfs

方法3：生成新的DataFrame列表

如果不需要保留原对象，直接生成新列表即可：

filtered_dfs = [df[df['Height']>70] for df in [df_current, df_desired]]
df_current, df_desired = filtered_dfs

内容的提问来源于stack exchange，提问作者Still learning