使用apply函数更新DataFrame行数据失败问题求助

问题分析 #

你遇到的这个问题很典型——在apply函数里修改行数据却没生效，核心原因有两个：

1. apply传入函数的row是原DataFrame行的副本，不是对原数据的引用。你修改row.n只是改动了这个临时副本，完全不会影响原DataFrame里的数据。
2. 你没有把apply的返回结果重新赋值给原DataFrame，就算函数里正确修改了副本，原数据也得不到更新。

解决方案 #

下面给你两种可行的处理办法，其中第二种是pandas官方推荐的高效写法：

方法1：修正apply的使用方式

只要把apply返回的结果重新赋值给df，同时确保在函数里正确修改行数据（用row['n']或row.n都可以）：

import pandas as pd
df = pd.DataFrame({'filename':['test0.dat', 'test2.dat'], 'm':[12, 13], 'n':[None, None]})
data = {'filename':'test2.dat', 'n':16}

def update_vals(row, data=data):
    if row.filename == data['filename']:
        row['n'] = data['n']
    return row

# 关键步骤：将apply的结果覆盖原df
df = df.apply(update_vals, axis=1)
print(df)

运行后你会看到test2.dat对应的n列已经成功更新为16。

方法2：用向量化操作替代apply（推荐）

apply本质是逐行循环，在数据量较大时性能会很差。pandas的核心优势是向量化操作，用loc直接定位更新才是更高效、更简洁的写法：

import pandas as pd
df = pd.DataFrame({'filename':['test0.dat', 'test2.dat'], 'm':[12, 13], 'n':[None, None]})
data = {'filename':'test2.dat', 'n':16}

# 定位filename匹配的行，直接更新n列
df.loc[df['filename'] == data['filename'], 'n'] = data['n']
print(df)

这种写法不仅代码更短，运行速度也比apply快得多——尤其是处理几万行以上的数据时，性能差距会非常明显。

内容的提问来源于stack exchange，提问作者user495732 Why Me