Python Pandas循环无法执行至第三次，触发列长度不匹配错误

循环代码报错的核心原因是每次循环都会覆盖原始的df_esn，导致后续循环只能在被过滤后的子集里查找目标ESN。第一次循环后，df_esn只剩第一个ESN对应的行；第二次循环只能在这个子集里找第二个ESN的行，大概率没有匹配结果，数据框变为空，此时赋值FF列就会触发长度不匹配的错误。

方案1：基于原始数据循环处理（保留循环逻辑） #

不要修改原始数据框，每次循环从原始数据中筛选目标ESN的行，处理后收集结果再合并：

import pandas as pd

# 保存原始数据的副本
original_df = df_esn.copy()

# 生成去重的ESN列表（修正原代码中可能的笔误，用original_df替代df）
esn_list = pd.unique(original_df[['ESN01', 'ESN02']].values.ravel())

# 存储每个ESN处理后的结果
result_dfs = []

for esn in esn_list:
    # 从原始数据中筛选当前ESN的行
    temp_df = original_df[(original_df['ESN01'] == esn) | (original_df['ESN02'] == esn)]
    # 生成FF列
    temp_df['FF'] = temp_df.apply(lambda row: row['DFFB1'] if row['ESN01'] == esn else row['DFFB2'], axis=1)
    # 将结果加入列表
    result_dfs.append(temp_df)

# 合并所有结果为最终数据框
final_df = pd.concat(result_dfs, ignore_index=True)

方案2：无需循环，向量化一次性处理（更高效） #

如果需求是为原始数据的每一行，根据该行的ESN01/ESN02匹配情况生成FF列（无需按ESN拆分），可以直接用numpy.where实现向量化操作，避免逐行循环和apply：

import numpy as np

# 针对单个目标ESN（示例中的26019）
target_esn = 26019
df_esn['FF'] = np.where(df_esn['ESN01'] == target_esn, df_esn['DFFB1'], df_esn['DFFB2'])

# 针对所有ESN，自动匹配每行对应的FF值
df_esn['FF'] = np.where(df_esn['ESN01'].isin(esn_list), df_esn['DFFB1'], df_esn['DFFB2'])

• 方案1保留了原有的循环逻辑，但避免了修改原始数据导致的筛选范围缩小问题；
• 方案2利用pandas/numpy的向量化特性，比逐行apply和循环更高效，适合大数据量场景。

内容的提问来源于stack exchange，提问作者Brom