如何将DataFrame索引作为条件赋值？代码条件判断失效求助

问题根源 #

你的代码中，每次遍历DataFrame行时，都会直接给period_{i}整列赋值。比如第一次遍历到Item 1时，整列被设为10，但紧接着遍历到Item 2时，整列又被覆盖为100，直到最后一行Item 4，整列最终值是100，导致你的索引条件判断完全失效。

推荐解决方案（Pandas向量化操作，高效简洁） #

Pandas不推荐嵌套循环操作，优先用向量化方法实现：

import pandas as pd

# 初始化带指定索引的DataFrame
df1 = pd.DataFrame(index=['Item 1', 'Item 2', 'Item 3', 'Item 4'])

# 生成所有要创建的period列名
period_columns = [f'period_{i}' for i in range(1, 55)]

# 先给所有列赋值100
df1[period_columns] = 100
# 单独给Item 1的所有period列赋值10
df1.loc['Item 1', period_columns] = 10

若坚持使用循环的修正写法 #

如果一定要用循环实现，需要避免整列覆盖，只修改对应行的单元格：

import pandas as pd

df1 = pd.DataFrame(index=['Item 1', 'Item 2', 'Item 3', 'Item 4'])

multipliers = range(1, 55)
for i in multipliers:
    # 先初始化列值为100
    df1[f'period_{i}'] = 100
    # 遍历行找到Item 1，修改对应单元格
    for j, row in df1.iterrows():
        if j == 'Item 1':
            df1.loc[j, f'period_{i}'] = 10
            break  # 找到目标行后直接跳出循环，提升效率

内容的提问来源于stack exchange，提问作者Sydney