我有一个熊猫数据帧，看起来像这样(它非常大)
date exer exp ifor mat
1092 2014-03-17 American M 528.205 2014-04-19
1093 2014-03-17 American M 528.205 2014-04-19
1094 2014-03-17 American M 528.205 2014-04-19
1095 2014-03-17 American M 528.205 2014-04-19
1096 2014-03-17 American M 528.205 2014-05-17
现在我想逐行迭代，当我遍历每一行时，ifor的值
在每一行可以改变取决于某些条件，我需要查找另一个数据框架。
现在，我如何在迭代时更新它。
试过几招，都没用。
for i, row in df.iterrows():
if <something>:
row['ifor'] = x
else:
row['ifor'] = y
df.ix[i]['ifor'] = x
这些方法似乎都不起作用。我没有在数据框架中看到更新的值。
你可以使用的一个方法是itertuples()，它迭代DataFrame行作为命名元组，索引值作为元组的第一个元素。与iterrows()相比，它要快得多。对于itertuples()，每行在DataFrame中包含它的Index，您可以使用loc来设置该值。
for row in df.itertuples():
if <something>:
df.at[row.Index, 'ifor'] = x
else:
df.at[row.Index, 'ifor'] = x
df.loc[row.Index, 'ifor'] = x
在大多数情况下，itertuples()比iat或at快。
谢谢@SantiStSupery，使用。at比loc快得多。
你可以使用的一个方法是itertuples()，它迭代DataFrame行作为命名元组，索引值作为元组的第一个元素。与iterrows()相比，它要快得多。对于itertuples()，每行在DataFrame中包含它的Index，您可以使用loc来设置该值。
for row in df.itertuples():
if <something>:
df.at[row.Index, 'ifor'] = x
else:
df.at[row.Index, 'ifor'] = x
df.loc[row.Index, 'ifor'] = x
在大多数情况下，itertuples()比iat或at快。
谢谢@SantiStSupery，使用。at比loc快得多。
你可以使用df.at:
for i, row in df.iterrows():
ifor_val = something
if <condition>:
ifor_val = something_else
df.at[i,'ifor'] = ifor_val
对于0.21.0之前的版本，使用df.set_value:
for i, row in df.iterrows():
ifor_val = something
if <condition>:
ifor_val = something_else
df.set_value(i,'ifor',ifor_val)
如果你不需要行值，你可以简单地遍历df的索引，但我保留了原始的for循环，以防你需要行值来处理这里没有显示的东西。
好吧，如果你无论如何都要迭代，为什么不使用最简单的方法df['Column'].values[i]
df['Column'] = ''
for i in range(len(df)):
df['Column'].values[i] = something/update/new_value
或者如果你想比较新值和旧值或者类似的东西，为什么不把它存储在一个列表中，然后在最后追加。
mylist, df['Column'] = [], ''
for <condition>:
mylist.append(something/update/new_value)
df['Column'] = mylist
