列表理解可以是一个选项。

df['new_column'] = [your_func(x) for x in df['column']]

这将遍历列df['column']，使用来自df['column']的值调用函数your_func，并为新列df['new_column']中的行赋值。

请不要忘记创建一个函数。

列表理解可以是一个选项。

df['new_column'] = [your_func(x) for x in df['column']]

这将遍历列df['column']，使用来自df['column']的值调用函数your_func，并为新列df['new_column']中的行赋值。

请不要忘记创建一个函数。

最好使用df.apply() -来使用lambda函数

df["ifor"] = df.apply(lambda x: {value} if {condition} else x["ifor"], axis=1)

你应该用df来赋值。ix[i， 'exp']=X或df。loc[i， 'exp']=X而不是df。Ix [i]['ifor'] = x。

否则，你正在处理一个视图，并且应该得到一个温暖:

-c:1: SettingWithCopyWarning:一个值正在试图从一个DataFrame的切片副本上设置。 尝试使用.loc[row_index,col_indexer] = value代替

但可以肯定的是，循环应该被一些矢量化算法所取代，以充分利用@Phillip Cloud所建议的DataFrame。

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。

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。