for循环中if条件导致Pandas DataFrame更新异常及仅最后一次生效问题

一、if语句导致无数据写入的核心原因 #

你写的if email != 'nan'判断逻辑完全错误：
Pandas读取CSV时，空值会被解析为浮点型的NaN，不是字符串'nan'。用字符串做比较时：

• 当email是有效值时，判断为True，能进入分支；
• 当email是NaN时，NaN != 'nan'的结果是False，但你的else分支只处理email == 'nan'的情况，导致空值场景既不进if也不触发else，直接跳过。
  更糟的是，如果read.csv里的空值是NaN，你误以为进入if分支时，实际传入的email是NaN，write_csv里找不到匹配的行，自然没有修改，看起来就像无数据写入。

二、仅最后一次循环数据被更新的原因 #

每次调用write_csv时，你都重新读取原始的write.csv文件，修改一行后就写入out.csv。这意味着：

• 前一次循环的修改会被下一次循环重新读入的原始文件覆盖；
• 只有最后一次循环的修改会保留，因为它基于原始文件修改后，直接覆盖了之前的所有写入结果。

三、修复方案 #

方案1：高效的矢量化处理（推荐） #

直接用Pandas的批量操作替代循环，既解决逻辑错误，又提升效率：

import pandas as pd

def process_emails():
    # 一次性读取两个文件，避免重复IO
    df_read = pd.read_csv('/Users/thavas/Downloads/read.csv')
    df_write = pd.read_csv('/Users/thavas/Downloads/write.csv')
    
    # 提取所有非空的邮箱列表
    valid_emails = df_read[pd.notna(df_read['Email'])]['Email'].tolist()
    
    # 批量匹配并修改目标列
    df_write.loc[df_write['Email 1'].isin(valid_emails), 'Email 2'] = "hello"
    
    # 仅写入一次，避免覆盖
    df_write.to_csv('/Users/thavas/Downloads/out.csv', index=False)
    
    # 输出无邮箱的用户
    no_email_users = df_read[pd.isna(df_read['Email'])]['Contact'].tolist()
    for contact in no_email_users:
        print(f"Users {contact} has no email")

process_emails()

方案2：保留原函数结构的临时修复 #

如果一定要用循环结构，需要避免重复读取原始文件：

import pandas as pd

def write_csv(email, info, df1):
    # 不再每次读文件，传入已加载的DataFrame
    for index, row in df1.iterrows():
        if row['Email 1'] == email:
            df1.loc[index,'Email 2'] = "hello"
    return df1

def read_csv():
    df = pd.read_csv('/Users/thavas/Downloads/read.csv')
    # 提前读取write.csv，只读一次
    df1 = pd.read_csv('/Users/thavas/Downloads/write.csv')
    
    for index, rows in df.iterrows():
        email = rows['Email']
        # 用Pandas原生方法判断空值
        if pd.notna(email):
            info = rows[8:17]
            df1 = write_csv(email, info, df1)
        else:
            print("Users", rows['Contact'], "has no email")
    
    # 所有循环结束后统一写入
    df1.to_csv('/Users/thavas/Downloads/out.csv', index=False)
            
read_csv()

内容的提问来源于stack exchange，提问作者Thavas Antonio