基于DataFrame中reaction列值批量修改行数据失败求助

嘿，你遇到的这个问题我太熟了！核心原因是**iterrows()返回的是每行的临时副本**，不是原DataFrame的引用——你在循环里改row[2:]其实只是改了个“假行”，根本不会影响原数据。而且对于大型DataFrame来说，iterrows()的效率极低，完全没必要用它，咱们用pandas原生的批量操作来搞定，既快又准。

第一步：先整理反应与常数的映射表 #

先把每个reaction对应的常数做成字典，后续代码会简洁很多，也方便维护：

reaction_factor_map = {
    '152Gd-p': 0.002,
    '154Gd-p': 0.0218,
    '155Gd-p': 0.148,
    '156Gd-p': 0.2047,
    '157Gd-p': 0.1565,
    '158Gd-p': 0.2484,
    '160Gd-p': 0.2186
}

第二步：高效批量修改数据（推荐两种方法） #

方法一：用map+multiply（最简洁高效，优先选这个） #

先把需要修改的数值列（也就是前两列之后的所有列）提出来，然后用reaction列映射到对应的常数，再逐行相乘：

# 提取要处理的数值列：排除前两列（reaction和product）
numeric_cols = df_trial.columns[2:]

# 批量对数值列按对应常数相乘
df_trial[numeric_cols] = df_trial[numeric_cols].multiply(
    df_trial['reaction'].map(reaction_factor_map),
    axis=0
)

这个方法是纯向量操作，比循环快N倍，完全适配大型DataFrame。

方法二：用loc按条件批量赋值（适合需要额外逻辑的场景） #

如果之后需要给某些reaction加特殊处理，用loc定位行再赋值也很方便：

for reaction, factor in reaction_factor_map.items():
    # 定位对应reaction的行，然后给数值列乘常数
    df_trial.loc[df_trial['reaction'] == reaction, numeric_cols] *= factor

这个方法也是批量操作，比iterrows()高效太多。

为啥你的原代码没效果？ #

再给你解释下：当你用for index, row in df_trial.iterrows()时，row是原DataFrame行的副本，你修改row[2:]只是改了这个临时副本，根本没写回原DataFrame。如果非要用iterrows（真的不推荐大型数据），得手动把修改后的行赋值回去：

for index, row in df_trial.iterrows():
    # 从映射表拿常数，找不到就乘1（避免报错）
    factor = reaction_factor_map.get(row['reaction'], 1)
    df_trial.loc[index, numeric_cols] = row[numeric_cols] * factor

但还是强烈建议用前面的批量方法，速度差不是一点半点。

验证修改结果 #

改完之后可以用下面的代码检查下，比如看看155Gd-p的行是不是被正确乘以0.148了：

print(df_trial[df_trial['reaction'] == '155Gd-p'].head())

内容的提问来源于stack exchange，提问作者Allentro