循环中使用loc逐行给多列赋值 是否有更简洁紧凑的替代方案？

方案1：groupby聚合+表合并（推荐，性能最优） #

完全抛弃逐行循环，利用pandas向量化运算特性，大数据量下运行效率远高于循环方案：

# 按ID分组计算Height字段的基础统计指标
point_stats = points.groupby('ID')['Height'].agg(['max', 'mean', 'median', 'std']).reset_index()
# 计算衍生指标
point_stats['half_std'] = point_stats['std'] / 2
point_stats['max1'] = point_stats['max'] * point_stats['std'] + 15
# 按ID匹配将统计结果合并到polygon表
polygon = polygon.merge(point_stats, on='ID', how='left')

如果polygon的索引就是和points匹配的ID，可以简化赋值步骤：

point_stats = points.groupby('ID')['Height'].agg(['max', 'mean', 'median', 'std'])
point_stats['half_std'] = point_stats['std'] / 2
point_stats['max1'] = point_stats['max'] * point_stats['std'] + 15
# 直接按索引对齐批量赋值多列
polygon[['max', 'mean', 'median', 'std', 'half_std', 'max1']] = point_stats

方案2：循环内批量赋值（适配必须保留循环的场景） #

如果存在复杂自定义逻辑无法用聚合实现、必须保留逐行循环的，可以用列表批量传值简化重复的loc语句：

for n in polygon.index:
    points_in_poly = points[points['ID'] == n]
    # 计算所有变量
    maxv = points_in_poly['Height'].max()
    mean = points_in_poly['Height'].mean()
    median = points_in_poly['Height'].median()
    std = points_in_poly['Height'].std()
    half_std = std / 2
    max1 = maxv * std + 15
    # 单条loc完成多列赋值，无需重复编写语句
    polygon.loc[n, ['max', 'mean', 'median', 'std', 'half_std', 'max1']] = [maxv, mean, median, std, half_std, max1]

内容的提问来源于stack exchange，提问作者g123456k