如何将输入参数运算结果逐行存入Pandas DataFrame？

你当前代码的问题在于每次循环都直接给整列赋值（比如df['Events'] = ...），这会覆盖掉之前所有行的数值，最后整个列只会保留最后一次循环的计算结果。以下是两种解决方案，其中第二种更适合大规模数据集：

方案1：修正循环逻辑（小数据集适用） #

直接在循环中定位到具体的行和列进行赋值，而非修改整列：

import pandas as pd

N = 2
df = pd.DataFrame(columns=['Events','Electrons','Photons'], index=range(N))

vals = [1,2,3]
param = [1,2]

for idx in df.index:
    df.loc[idx, 'Events'] = param[idx] + vals[0]
    df.loc[idx, 'Electrons'] = param[idx] + vals[1]
    df.loc[idx, 'Photons'] = param[idx] + vals[2]

方案2：向量化运算（大数据集最优） #

利用NumPy的广播机制避免循环，大幅提升运算效率，适合扩展到大规模数据场景：

import pandas as pd
import numpy as np

vals = [1,2,3]
param = [1,2]

# 将param转为列向量，与vals进行广播相加，得到每行对应参数的运算结果
result = np.array(param)[:, np.newaxis] + np.array(vals)

# 直接将结果数组转为DataFrame
df = pd.DataFrame(result, columns=['Events','Electrons','Photons'])

原理说明：np.array(param)[:, np.newaxis]将param转换为形状为(N,1)的列数组，和形状为(3,)的vals相加时，NumPy会自动完成广播扩展，生成(N,3)的结果数组，正好对应每行一个param元素与所有vals的运算结果，无需提前创建空DataFrame，代码更简洁高效。

内容的提问来源于stack exchange，提问作者Austin