Pandas列表中DataFrame赋值行为差异原因咨询

DevOps 小满

2026-5-8

为什么修改DataFrame元素能同步到列表，但重新赋值变量却不行？

这事儿本质是Python的变量引用和赋值逻辑在搞鬼，结合Pandas的DataFrame对象特性就清楚了，我给你拆解开说：

先看填充DataFrame时为啥有效

你填充数据时写的：

df_num = Ldf_num[x]
df_num[cname][row] += derived_value1

这里df_num就像一个"指针"，指向了Ldf_num[x]里那个DataFrame对象本身。你做的df_num[cname][row] += ...是在修改这个对象内部的元素值——相当于直接在原DataFrame上改数据，所以列表里的原对象自然会跟着变，毕竟它们是同一个东西。

再看方案3b为啥无效

而方案3b里的操作：

df_quo = Ldf_quo[x]
df_quo = df_num.div(df_den)

第一行确实让df_quo指向了列表里的初始DataFrame，但第二行的=是给变量重新"牵线"：把df_quo的指向换成了df_num.div(df_den)返回的全新DataFrame对象，完全和原来列表里的那个初始DataFrame没关系了。列表里的元素还是原来的空架子，当然全是0。

对比可行的方案3

方案3直接写Ldf_quo[x] = df_num.div(df_den)，这是直接把列表第x个位置的元素替换成新的DataFrame，相当于直接更新列表的内容，所以能生效。

要是想让方案3b生效该咋改？

如果就想保持类似的写法，得修改原对象的内容，而不是重新赋值变量。比如用Pandas的update方法：

for x in range(0, nframes):
    df_num = Ldf_num[x]
    df_den = Ldf_den[x]
    df_quo = Ldf_quo[x]
    # 用update把计算结果覆盖到原DataFrame上
    df_quo.update(df_num.div(df_den))

这样df_quo始终指向列表里的原对象，update会把商的结果写入原对象的对应位置，列表里的元素自然就更新了。