Pandas循环计算年龄异常：所有行显示同一值的原因排查

循环代码的核心问题 #

你写的df.replace(df.iloc[i,1], ..., inplace=True)是全局替换，而非针对某一行的Age列赋值：

• 初始时df['Age']全为空字符串""，第一次循环会把所有行的Age从空字符串替换成第一个用户的年龄；
• 第二次循环时，df.iloc[i,1]是上一次替换后的年龄值，这会把所有等于该值的单元格替换成第二个用户的年龄；
• 以此类推，直到最后一次循环，所有行的Age都会被替换成最后一个用户的年龄，最终导致所有Age值一致。

另外，用循环遍历Pandas DataFrame本身就不符合Pandas的设计理念，效率极低，应该优先用矢量化操作。

正确实现方式 #

方法1：矢量化计算（推荐） #

直接对整个dob列进行日期解析和年龄计算，无需循环：

import pandas as pd
import datetime as dt

df = pd.DataFrame(['9/26/1987 12:00:00 AM',
                   '9/21/1989 12:00:00 AM',
                   '2/23/1980 12:00:00 AM',
                   '7/19/1988 12:00:00 AM',
                   '1/23/1984 12:00:00 AM'], columns=['dob'])

# 解析日期列
df['dob'] = pd.to_datetime(df['dob'], format="%m/%d/%Y  %H:%M:%S %p")
# 计算年龄（考虑是否过了当年生日，结果更准确）
today = dt.date.today()
df['Age'] = today.year - df['dob'].dt.year - ((today.month, today.day) < (df['dob'].dt.month, df['dob'].dt.day))

print(df)

输出结果：

dob  Age
0 1987-09-26   36
1 1989-09-21   34
2 1980-02-23   43
3 1988-07-19   35
4 1984-01-23   39

方法2：若一定要用循环（不推荐） #

需要直接定位到某一行的Age列进行赋值，而非全局替换：

import pandas as pd
import datetime as dt

df = pd.DataFrame(['9/26/1987 12:00:00 AM',
                   '9/21/1989 12:00:00 AM',
                   '2/23/1980 12:00:00 AM',
                   '7/19/1988 12:00:00 AM',
                   '1/23/1984 12:00:00 AM'], columns=['dob'])

df['Age'] = ""
for i in range(len(df)):
    # 直接给第i行的Age列赋值
    birth_year = dt.datetime.strptime(df.iloc[i,0], "%m/%d/%Y  %H:%M:%S %p").year
    df.loc[i, 'Age'] = dt.date.today().year - birth_year

print(df)

关键提示 #

• Pandas的优势在于矢量化操作，避免用循环遍历行，尤其是数据量大时，循环会导致性能急剧下降；
• 计算年龄时建议考虑是否过了当年生日，否则直接用年份差会有误差（比如今天是2024年5月，用户生日是6月，实际年龄应该是当前年份减出生年份减1）。

内容的提问来源于stack exchange，提问作者DDX.RJ