You need to enable JavaScript to run this app. pandas中如何在for循环拼接DataFrame?代码仅获取到最后一次循环结果
优惠活动
大模型
产品
解决方案
定价
更多

pandas中如何在for循环拼接DataFrame?代码仅获取到最后一次循环结果

问题核心原因

循环内的拼接逻辑存在覆盖式错误:每轮循环执行df_summary = pd.concat([df, pd.DataFrame(...)], axis=1)时,拼接的基准对象是未经过列累积的原始主DataFrame,而非上一轮循环已经完成列追加的df_summary。每轮循环都会完全覆盖上一轮生成的df_summary结果,最终只会留存最后一次循环生成的Summary_B列,早前循环生成的Summary_A列会被直接丢弃。

修正方案

1. 适配原有循环逻辑的最小改动

调整三个细节:

  • 初始化df_summary时直接复制原始主df作为拼接基准,而非空DataFrame
  • 每轮循环基于当前已累积列的df_summary做列追加,而非每次都用原始df重新拼接
  • 生成临时转换列的DataFrame时,指定和原df一致的索引,避免索引错位带来的空值问题

修正后代码:

import pandas as pd

df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
columns = ['A','B']

def run_all(x):
    x = x*2
    return x

# 以原始主df为拼接基准初始化
df_summary = df.copy()

for column in columns:
    df0 = df[column]
    df__ = []
    for each_row in df0:
        df__.append(run_all(each_row))
    # 在已累积的df_summary基础上追加新列,而非重新拼接原始df
    df_summary = pd.concat(
        [df_summary, 
         pd.DataFrame({'Summary_' + column: df__}, index=df.index)], 
        axis=1
    )

df_final = pd.DataFrame(df_summary)
print(df_final)

2. 性能更优的向量化写法

pandas原生支持Series级别的向量化运算,完全不需要双层逐行循环,批量生成转换列后一次性拼接即可,运算效率会比逐行循环高一个数量级:

import pandas as pd

df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
columns = ['A','B']

def run_all(x):
    x = x*2
    return x

# 批量生成所有转换列
converted_df = pd.DataFrame(
    {f'Summary_{col}': df[col].apply(run_all) for col in columns}
)
# 一次性完成主df和转换列的拼接
df_final = pd.concat([df, converted_df], axis=1)
print(df_final)

两种写法运行后均可得到完整的正确输出:

A  B  Summary_A  Summary_B
0  1  2          2          4
1  3  4          6          8

内容的提问来源于stack exchange,提问作者satya kapoor

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.25 00:06:03