pandas DataFrame两列逐行乘积小于x时调整及循环异常问题解决
初始循环无法修改DataFrame的原因
- 核心问题出在
iterrows()的特性上:pandas的iterrows()返回的每一行row是原DataFrame对应行的拷贝副本,不是对原数据的引用,直接修改row对象的取值不会同步到原DataFrame,所以运行后原df没有任何变化。 - 你给出的第一种修改方案是可行的,因为直接通过
df.loc[index, 列名]定位修改原DataFrame的对应位置数据,绕过了拷贝的row对象。
累加版本代码死循环的解决方法
你这段累加逻辑在示例数据下本身是可以正常运行的,不会触发死循环,如果实际运行时出现死循环,大概率是以下原因:
你的实际业务数据中存在i1或i2初始值为0的行,这种情况下不管累加多少倍,两个值的乘积永远为0,永远满足小于x的判断条件,就会进入无限循环。你可以先预处理数据,过滤或者调整初始值为0的行即可解决。
最优解决方案(无循环,高效)
不管是乘2还是累加原始值的需求,本质上都是将i1、i2放大为原始值的k倍(k为正整数),使得乘积大于等于x,完全可以用向量化计算替代循环,效率更高也不会出现迭代异常:
import pandas as pd import numpy as np # 阈值x x = 10 # 构造原始数据 d = { 'name': ['A','B','C','D','E'], 'i1': [1,2,3,5,1], 'i2': [2,2,2,6,8], 'result': [2,4,6,30,8] } df = pd.DataFrame(d) # 计算最小需要放大的整数倍k min_k = np.ceil(np.sqrt(x / df['result'])).astype(int) # 已经满足条件的行k取1,不需要放大 min_k = min_k.where(min_k > 1, 1) # 批量更新所有列 df['i1'] = df['i1'] * min_k df['i2'] = df['i2'] * min_k df['result'] = df['i1'] * df['i2']
运行后得到的结果和你累加原始值的逻辑完全一致:
| name | i1 | i2 | result |
|---|---|---|---|
| A | 3 | 6 | 18 |
| B | 4 | 4 | 16 |
| C | 6 | 4 | 24 |
| D | 5 | 6 | 30 |
| E | 2 | 16 | 32 |
内容的提问来源于stack exchange,提问作者Christian
相关产品推荐
相关产品推荐

