遍历Pandas DataFrame修改值无效，使用df.at仍无法解决求助

尝试修改DataFrame数据时，即便用了df.at方法，目标值还是没变化，代码如下：

HOUSING_PATH = "datasets/housing"
csv_path = os.path.join(HOUSING_PATH, "property6.csv")
housing = pd.read_csv(csv_path)

headers = ['Sold Price', 'Longitude', 'Latitude', 'Land Size', 'Total Bedrooms', 'Total Bathrooms', 'Parking Spaces']
# 希望将114行的停车位值（405）改为空值、0或None，因为405不符合逻辑

for index in housing.index:
    # 获取单元格的总停车位数量
    row = housing.at[index, headers[6]]
    # 如果总停车位大于20
    if row > 20:
        # 改为空值
        row = ''

print(housing.at[114, headers[6]])
# 输出仍然是405

已确认该列数据类型为<class 'numpy.float64'>，判断语句能正常执行，但就是无法修改值。

原因分析 #

你犯了典型的赋值逻辑错误：
row = housing.at[index, headers[6]]只是把DataFrame单元格的数值复制到了局部变量row中，后续row = ''仅仅修改了这个变量的内容，完全没有对DataFrame本身的数据做任何改动。

解决方案 #

方案1：循环中直接用.at修改DataFrame #

不要把值复制到变量，直接通过.at定位单元格并赋值：

for index in housing.index:
    parking_val = housing.at[index, headers[6]]
    if parking_val > 20:
        # 推荐用pd.NA适配float类型的缺失值，避免列类型变为object
        housing.at[index, headers[6]] = pd.NA
        # 如果要设为0，直接写：
        # housing.at[index, headers[6]] = 0

方案2：用矢量化操作（更高效，推荐） #

Pandas不推荐用循环处理数据，用loc做矢量化筛选赋值，速度更快，代码更简洁：

# 筛选出停车位>20的行，直接赋值为pd.NA
housing.loc[housing[headers[6]] > 20, headers[6]] = pd.NA

# 若要设为0，替换为：
# housing.loc[housing[headers[6]] > 20, headers[6]] = 0

注意：因为你的列是float64类型，不要用空字符串''赋值，否则会导致列类型变为object，后续数值计算会出问题。pd.NA是Pandas专为数值类型设计的缺失值标记，能保持列的数值类型。

内容的提问来源于stack exchange，提问作者CountDOOKU