如何在函数内循环遍历索引列表处理pandas DataFrame数据

原有代码问题 #

• 循环内直接覆写原始data变量：第一次循环执行data=data.iloc[i]后，data就只剩第一组索引对应的行，第二次循环再做行切片时索引已经完全错位，无法取到第二组对应的原始数据
• 结果变量被反复覆盖：循环内每次都给A1、A2重新赋值，循环结束后只会保留最后一组索引的处理结果，前面的计算结果全部丢失
• 切片视图修改风险：直接在iloc返回的切片视图上做列赋值，会触发Pandas的SettingWithCopyWarning，修改行为不稳定，可能不会按预期生效

正确实现逻辑 #

• 循环过程中保留原始全量数据不做修改，每次迭代基于原始数据提取对应索引的子数据集，提取后显式调用.copy()生成独立副本，避免视图修改问题
• 用列表作为结果容器，依次存储每一组索引计算得到的结果，避免结果被覆盖
• 所有分组处理完成后，可按需选择返回分组结果列表，或者将结果按原始索引拼接为完整的DataFrame

完整可运行代码 #

import pandas as pd

# 初始化测试数据
data_ = {
    'Number_a': [12, 13, 14, 15, 16, 17],
    'Number_b': [11, 11, 11, 12, 12, 12],
    'Number_c': [10, 5, 4, 3, 2, 1]
}
data = pd.DataFrame(data=data_)

# 子函数定义
def Multiplication_data(data, n):
    data["Number_a"] = data["Number_a"] * n
    return data

def Addition_data(data):
    data["Number_b"] = data["Number_b"] + data["Number_c"]
    return data

# 修正后的主处理函数
def function_data(data, n):
    idx1 = [0, 2, 4]
    idx2 = [1, 3, 5]
    idx_groups = [idx1, idx2]
    
    # 初始化结果存储列表
    a1_results = []
    a2_results = []
    
    for group_idx in idx_groups:
        # 基于原始数据提取对应行，生成独立副本
        sub_df = data.iloc[group_idx].copy()
        # 执行计算
        processed_a1 = Multiplication_data(sub_df, n)
        processed_a2 = Addition_data(sub_df)
        # 结果存入列表
        a1_results.append(processed_a1)
        a2_results.append(processed_a2)
    
    # 拼接所有分组结果，按原始索引排序还原顺序
    final_a1 = pd.concat(a1_results).sort_index()
    final_a2 = pd.concat(a2_results).sort_index()
    
    return final_a1, final_a2

调用示例：执行a1, a2 = function_data(data, 2)即可得到和原始数据行顺序一致的处理结果。如果需要保留分组形式的结果，直接返回a1_results, a2_results即可，返回值为两个列表，每个元素对应一组索引的处理结果。

内容的提问来源于stack exchange，提问作者the phoenix