for循环含if语句的作用域问题：pandas.append循环中无效

哈哈，这个坑我刚用pandas的时候也踩过！你遇到的核心问题，是没搞清楚pandas.DataFrame.append()的本质——它不会修改原DataFrame对象，每次调用都会返回一个全新的DataFrame。如果循环里只调用append()但不把返回的新对象重新赋值给结果变量，那你的结果变量永远停留在第一次修改后的状态，后面的所有append操作等于白做。

举个和你场景对应的例子，你大概率写了类似这样的代码：

import pandas as pd

result_df = pd.DataFrame()
for i in range(10):
    if i == 0:
        temp_df = pd.DataFrame({'value': [i]})
        # 这里你赋值了，result_df变成包含i=0的新DataFrame
        result_df = result_df.append(temp_df, ignore_index=True)
    else:
        temp_df = pd.DataFrame({'value': [i]})
        # 这里只调用append但没赋值！原result_df根本没变
        result_df.append(temp_df, ignore_index=True)

print(result_df)  # 自然只显示i=0的那一行

办法1：每次append都强制赋值 #

把循环里的append操作都改成「赋值回结果变量」，确保每次都拿到最新的合并后DataFrame：

result_df = pd.DataFrame()
for i in range(10):
    temp_df = pd.DataFrame({'value': [i]})
    # 关键：必须把append返回的新对象重新赋值给result_df
    result_df = result_df.append(temp_df, ignore_index=True)

不过要注意：append()在pandas 2.0及以上版本已经被官方弃用了，未来可能会移除，所以更推荐下面的方法。

办法2：用列表收集所有小DataFrame，最后一次性合并 #

这是pandas官方推荐的高效写法，避免循环中反复创建新对象带来的性能损耗：

# 先初始化一个空列表，用来装每个循环生成的小DataFrame
df_collection = []

for i in range(10):
    if i == 0:
        temp_df = pd.DataFrame({'value': [i]})
    else:
        temp_df = pd.DataFrame({'value': [i]})
    # 把小DataFrame加入列表，这一步只是存引用，几乎没性能开销
    df_collection.append(temp_df)

# 最后用concat一次性合并所有数据，ignore_index=True重置索引
result_df = pd.concat(df_collection, ignore_index=True)

结合你提到的「每行产品数据调用dmd_flow生成12个月序列」的需求，直接套用第二种方法就行：

import pandas as pd

# 假设input_df是你的产品数据输入DataFrame
df_collection = []
for idx, product_row in input_df.iterrows():
    # 用当前行数据调用dmd_flow生成12个月序列，转成DataFrame
    monthly_flow_df = pd.DataFrame(dmd_flow(product_row))
    # 把这个产品的月度数据加入列表
    df_collection.append(monthly_flow_df)

# 合并所有产品的月度数据，得到最终结果
final_result = pd.concat(df_collection, ignore_index=True)

这种写法不仅解决了你「只保留第一个分支数据」的问题，还能大幅提升处理大数据量时的运行效率，比循环append快好几倍。

内容的提问来源于stack exchange，提问作者ivan7707