如何遍历DataFrame将vec_red等指定列替换为new_data对应值

直接使用pandas向量化操作实现即可，性能远高于嵌套循环，完全适配你的需求场景：
因为你提到new_data的元素顺序和DataFrame的索引完全对应，直接通过数组广播赋值，就能实现单值对应行三列同时更新：

import numpy as np
import pandas as pd

# 假设你的DataFrame变量名为df，目标列名为val_red、val_green、val_blue
df[['val_red', 'val_green', 'val_blue']] = new_data[:, np.newaxis]

如果你要按列位置赋值（替换第3到第5列，pandas列索引从0开始计数，对应索引为2、3、4），可以用iloc实现：

df.iloc[:, 2:5] = new_data.reshape(-1, 1)

若必须沿用原有嵌套循环框架（不推荐，仅做参考） #

你现有循环的索引顺序和label_idx的递增逻辑已经和DataFrame行顺序对齐，直接按索引定位行赋值即可：

label_idx = 0
for i in range(321):
    for j in range(284):
        df.loc[label_idx, ['val_red', 'val_green', 'val_blue']] = new_data[label_idx]
        label_idx += 1

注意事项 #

• 你描述中出现了vec_red/vec_green/vec_blue和val_red/val_green/val_blue两组列名，使用时请替换为你实际DataFrame中的列名
• 十万行级别的数据处理场景下，向量化操作性能是循环的百倍以上，无特殊需求优先使用第一种方案

内容的提问来源于stack exchange，提问作者yras8