如何遍历列表元素传参 批量计算DataFrame行结果生成新列

你当前的代码有三个核心错误：

1. 直接将IndexFunction函数名作为参数传入dfFunction时，传入的是函数对象本身，而非函数执行后的计算结果，因此会返回<function __main__.IndexFunction()>这类函数对象提示
2. 自定义的IndexFunction逻辑存在缺陷：循环过程中没有用容器存储每一步的计算结果，仅覆盖单个变量，最终只会返回最后一次循环的单个值，无法得到全量索引对应的结果
3. 循环边界设置错误：while RowIndex <= len(IndexList)会遍历到索引值100，超出dfFunction要求的0-99合法参数区间，会触发索引越界或计算无效

以下方案均不需要逐行手写100次单条计算逻辑，可一次性生成所有行的结果，直接写入DataFrame新列。

方案1：列表推导式（最简洁，推荐连续索引用法） #

你的有效参数是0-99的连续行位置，不需要额外维护IndexList调用index()方法查找位置，直接遍历合法区间即可：

import pandas as pd

# 批量生成所有合法索引对应的dfFunction计算结果
# 如果DataFrame长度恰好为100行，用range(len(df))可自动适配0-99的索引范围
df['calc_result'] = [df['dfColumn1'].iloc[i] / dfFunction(i) for i in range(len(df))]

如果只需要单独获取dfFunction的全量计算结果，单独写all_results = [dfFunction(i) for i in range(100)]即可。

方案2：while循环实现 #

如果需要显式使用while循环逻辑，注意提前初始化列表存储每一步结果，修正循环边界：

all_results = []
current_index = 0
# 索引从0开始计数，最大合法值为99，因此循环条件用<100避免越界
while current_index < 100:
    # 计算当前索引对应的结果
    single_res = df['dfColumn1'].iloc[current_index] / dfFunction(current_index)
    all_results.append(single_res)
    current_index += 1

# 写入新列
df['calc_result'] = all_results

方案3：enumerate遍历（适配非连续索引场景） #

如果你的IndexList存储的是非连续的自定义行索引，用enumerate()遍历可以避免反复调用list.index()带来的性能损耗：

all_results = []
for list_position, row_index in enumerate(IndexList):
    # 增加参数合法性校验，避免非法值传入dfFunction报错
    if 0 <= row_index <= 99:
        single_res = df['dfColumn1'].iloc[row_index] / dfFunction(row_index)
        all_results.append(single_res)
    else:
        # 非法索引位置可填充空值或自定义默认值
        all_results.append(None)

df['calc_result'] = all_results

性能提示：list.index(目标值)的时间复杂度为O(n)，如果在循环中反复调用，每取一个索引位置就要扫描一次全列表，数据量较大时运行效率会明显降低。顺序遍历列表时直接用for循环取元素、或用enumerate同时获取位置和元素即可，不需要额外调用index方法查找位置。

内容的提问来源于stack exchange，提问作者elizac