Pandas DataFrame无法创建new_url列问题求助

问题原因 #

你的代码里使用df.iloc[i]['new_url']这种链式索引赋值，本质是修改了DataFrame的临时副本，而非原DataFrame本身。即使打印出了正确结果，原数据里的new_url列并没有被实际更新，甚至可能因为初始时未创建该列，导致导出时完全缺失。

解决方案 #

方法1：修正循环赋值逻辑（推荐先初始化列） #

先创建new_url列并初始化，然后用.loc直接定位行和列赋值，确保修改的是原DataFrame：

import pandas as pd 
import url_parser
from url_parser import get_url

# 读取数据
df = pd.read_csv("C:\\Users\\myuser\\Desktop\\raw_data.csv", sep=';')

# 先初始化new_url列，避免列不存在的问题
df['new_url'] = ''

# 循环遍历，用.loc赋值
for idx, x in enumerate(df['domain']):
    print("*", x, "*")
    if '.cdn.' in x:
        parsed_url = x.split('.cdn')[0]
        print(parsed_url)
        df.loc[idx, 'new_url'] = parsed_url
    else:
        url_obj = get_url(x)
        parsed_url = f"{url_obj.domain}.{url_obj.top_domain}"
        print(parsed_url)
        df.loc[idx, 'new_url'] = parsed_url

# 导出数据（添加index=False避免导出索引列）
df.to_csv("C:\\Users\\myuser\\Desktop\\cleanurl.csv", sep=';', index=False)

方法2：用apply替代循环（更符合Pandas风格） #

Pandas推荐用向量化操作或apply替代显式循环，代码更简洁高效：

import pandas as pd 
import url_parser
from url_parser import get_url

df = pd.read_csv("C:\\Users\\myuser\\Desktop\\raw_data.csv", sep=';')

def parse_domain(domain):
    if '.cdn.' in domain:
        return domain.split('.cdn')[0]
    else:
        url_obj = get_url(domain)
        return f"{url_obj.domain}.{url_obj.top_domain}"

# 生成new_url列
df['new_url'] = df['domain'].apply(parse_domain)

# 打印验证结果
print(df[['domain', 'new_url']])

# 导出数据
df.to_csv("C:\\Users\\myuser\\Desktop\\cleanurl.csv", sep=';', index=False)

关键说明 #

• 链式索引（如df.iloc[i]['col']）会触发Pandas的SettingWithCopyWarning，这是因为它返回的是原数据的视图或副本，修改操作不保证作用在原数据上。
• 用.loc[row_idx, col_name]是修改原DataFrame的安全方式。
• apply方法更符合Pandas的设计理念，处理大数据集时比显式循环效率更高。

内容的提问来源于stack exchange，提问作者charmander