Pandas遍历多列生成新列：现有代码失效的优化方案咨询

首先得指出你原来代码的两个核心问题：

• 列名索引错误：DF["SalesMonth[i]"] 会被pandas当成一个叫SalesMonth[i]的字面量列名，而不是动态指向SalesMonth1到SalesMonth12，这会直接导致找不到列报错或者计算错误。
• 循环赋值覆盖：每次循环都给同一个Newcol列赋值，最后只会保留最后一次循环（对应SalesMonth12）的计算结果，前面11次的操作都被覆盖了，这肯定不是你想要的效果。

接下来给你两种更优的实现方式，根据你的实际需求选择：

方式一：为每个月份列生成对应的新计算列（推荐） #

如果你想为每个SalesMonthX生成对应的NewcolX（比如Newcol1对应SalesMonth1的计算结果），可以用循环动态处理列名，同时利用pandas的向量化操作（比手动循环行高效得多）：

import pandas as pd
import numpy as np

# 假设你的DF已经存在
for i in range(1, 13):  # 直接从1到12，对应SalesMonth1到SalesMonth12
    month_col = f"SalesMonth{i}"
    new_col = f"Newcol{i}"
    # 向量化计算，避免逐行循环
    DF[new_col] = np.where(DF["Index"] > 0, DF[month_col] * DF["price"], DF[month_col])

这样循环结束后，你会得到Newcol1到Newcol12共12个新列，每个列对应对应月份的计算结果。

方式二：批量处理所有月份列并整合（如果需要合并结果） #

如果你想把所有SalesMonth列的计算结果整合到一个结构里（比如一个新的DataFrame或者长格式数据），可以用更简洁的批量操作：

# 先筛选出所有SalesMonth列
sales_cols = [col for col in DF.columns if col.startswith("SalesMonth")]
# 批量应用计算逻辑
new_cols = DF[sales_cols].apply(lambda x: np.where(DF["Index"] > 0, x * DF["price"], x))
# 给新列重命名
new_cols.columns = [f"Newcol{col[-1]}" for col in sales_cols]
# 把新列合并回原DF
DF = pd.concat([DF, new_cols], axis=1)

这种方式不需要手动写循环次数，自动识别所有以SalesMonth开头的列，扩展性更好（比如以后月份变多也不用改代码）。

额外提示 #

如果你的Index列名和pandas内置的index属性重名，建议改个列名（比如SalesIndex），避免混淆导致的潜在错误。

内容的提问来源于stack exchange，提问作者Ramsey