单个DataFrame中status与status_new列对比后更新原数据失败问题

你使用iterrows()遍历修改DataFrame不生效的核心原因是：iterrows()返回的每一行row是原DataFrame行数据的临时拷贝，而非指向原DataFrame的视图。你修改row对象的取值本质是修改这个临时拷贝，改动不会回写到原DataFrame中。除此之外你写的判断逻辑还遗漏了需求中要求的status非空的前置条件，也会导致不符合预期的修改。

推荐直接使用pandas矢量化操作实现，性能远高于循环遍历，实现代码如下：

import pandas as pd

# 构造匹配条件：1. status列非空 2. status与status_new取值不一致
mask = (pd.notna(df_result['status'])) & (df_result['status'] != df_result['status_new'])

# 对满足条件的行批量更新对应列
df_result.loc[mask, 'status'] = df_result.loc[mask, 'status_new']
df_result.loc[mask, 'Action'] = 'update'

针对你提供的示例数据，执行上述代码后，id为a、b的行会命中匹配条件，status更新为submitted、Action设为update；id为c、d的行status和status_new取值一致，不会被修改。

补充说明 #

• 注意列名大小写要和你实际DataFrame的列名保持一致，如果你的列名是首字母大写的Status、Status_new，要对应修改代码里的列名字符串。
• 如果需要同步更新emailaddress、ownername等其他配对字段，也可以参照同样的逻辑，在mask条件下赋值对应_new列的取值即可。
• 如果你坚持要用iterrows()循环实现，可通过索引定位直接修改原DataFrame，代码如下（仅作参考，数据量大时不推荐）：

for index, row in df_result.iterrows():
    if pd.notna(row['status']) and (row['status_new'] != row['status']):
        df_result.loc[index, "status"] = row['status_new']
        df_result.loc[index, "Action"] = "update"

内容的提问来源于stack exchange，提问作者aditya