Python 在DataFrame iterrows中更改布尔值没有任何作用

总的想法是：

从Excel中读取数据帧

添加一个新列，在该列中我可以识别有效行和无效行（在本例中，值在

None

处初始化，但我也尝试在

False

和

0

处初始化）

迭代DataFrame并根据一系列测试为新列赋值。（不幸的是，这些测试太复杂，无法使用

applymap

或类似方法）

预期结果是打印DataFrame并查看正确分配的新列的值

经验的结果是，这些值根本没有改变。它们都保持初始值

下面是一个高度简化的代码示例，其中显示了行为

import pandas as pd

df = pd.read_csv('./some_file.csv', sep='\t')

print(df)   # View outputs below

df['Valid'] = [None for _ in range(len(df))]    # New column

for n in df.iterrows():
    if pd.notnull(n[1].Name):    # Example test
        n[1].Valid = False
    else:    # else clause should ensure all values change
        n[1].Valid = True

print(df)    # Shows all df.Valid values are still None

读取csv（）后输出1

代码末尾的输出2：

    Name  Age Valid
0   John   20  None
1  Mandy   25  None
2   Mike   30  None
3    NaN   40  None
4   Alex   35  None

在上面的示例中，当打印

df

时，所有值仍然是

None

，即使调试器显示进程进入赋值语句

是否存在某种我没有看到的范围、引用或可变性问题？有人能解释这种行为吗

运行python 3.6.0

对于一个示例数据集，我手动构建了一个

some_file.csv

文件，文件之间用制表符分隔（第4行的名称为空字符串，年龄为40岁，第5行被

read_csv

跳过，原因很明显）：

返回作为数据副本的序列。它不能用于更新基础数据帧。相反，我建议只构建一个列表，并在完成后将其添加到数据帧中，如：

测试代码： 结果：

---

@StephenRauch我编辑了问题以显示示例输出，还将输入文件更改为示例csv（问题中也有详细内容）。@StephenRauch好的，我将代码和输出分开以便于复制粘贴。但是，我不知道如何使csv更容易。这（循环）绝对不是您应该定义列的方式。只需执行

df=df.assign（Valid=df['Name'].notnull（））

（为什么空值是“有效的”我将留给OP）@PaulH，OP说这是一个高度最小化的示例，并且工作非常广泛。@PaulH Stephen是正确的。为了清晰起见，发布的代码只是简化了。实际上，它需要执行多个测试，包括系列和多个数据帧之间的交叉依赖关系。使用df.assign（）或df.applymap（）可能是可能的，但对于一个没有性能要求的一次性任务来说，阅读起来也太难了。@JavoSN我向您保证，这可以在没有循环的情况下完成。

    Name  Age Valid
0   John   20  None
1  Mandy   25  None
2   Mike   30  None
3    NaN   40  None
4   Alex   35  None

Name    Age
John    20
Mandy   25
Mike    30
    40

Alex    35

import pandas as pd
df = pd.read_csv('input.csv', sep='\t')

valid = []
for n in df.iterrows():
    if pd.notnull(n[1].Name):    # Example test
        valid.append(False)
    else:    # else clause should ensure all values change
        valid.append(True)
df['Valid'] = valid    # New column

print(df)    # Shows all df.Valid values are still None

    Name  Age  Valid
0   John   20  False
1  Mandy   25  False
2   Mike   30  False
3    NaN   40   True
4   Alex   35  False