如何在Pandas中遍历指定索引并高效更新列值？

不用遍历close_index，直接用Pandas的矢量化条件赋值就能高效完成，完全避免循环带来的性能损耗，尤其适合大规模数据集：

方法一：使用apply快速赋值 #

# 定位到close_index对应的行，根据owncar值设置category
df.loc[close_index, 'category'] = df.loc[close_index, 'owncar'].apply(lambda x: 'LRLC' if x == 1 else 'LRHC')

方法二：用numpy.where实现更高性能（超大规模数据推荐） #

import numpy as np

# 先提取目标行的owncar数据，再批量赋值
owncar_subset = df.loc[close_index, 'owncar']
df.loc[close_index, 'category'] = np.where(owncar_subset == 1, 'LRLC', 'LRHC')

优势说明 #

• 完全规避Python层面的循环，依托Pandas/Numpy的底层C语言实现处理数据，速度比遍历快数倍甚至数十倍
• 精准只操作close_index对应的行，不会遍历整个数据集
• 代码简洁直观，后续维护成本低

你之前用df.loc[close_index,'hhinc8']=2更新hhinc8列的操作，和上面的代码可以直接衔接执行，不会影响其他行的数据。

内容的提问来源于stack exchange，提问作者Tallion 22