DataFrame行删除逻辑报错排查：当5列p值中3列低于1.3时删除行出现IndexError问题

你的需求回顾 #

你想要处理pvalue这个DataFrame：

• 第一列是字符串类型，后5列是实验得到的p值
• 规则：若后5列中有3列及以上数值低于1.3，删除该行；若有3列及以上数值大于1.3，保留该行

为什么你的循环代码会报错？ #

你写的循环里用了inplace=True直接删除行，这会导致一个关键问题：
当你删除一行后，pvalue的总行数会减少，但你的循环还是按照最初的行数（pvalue.shape[0]的初始值）来遍历。比如一开始有10行，删了1行后变成9行，当循环到i=9时，原来的索引已经不存在了，就会抛出IndexError: single positional indexer is out-of-bounds这个错误。

而且用循环处理pandas DataFrame本身就效率很低，pandas设计的核心就是用向量化操作替代逐行循环，既简洁又不容易出错。

正确的实现方法 #

我们可以用pandas的内置方法一步完成筛选，不需要写循环：

# 1. 计算每行后5列中，数值小于1.3的列的数量
count_less = pvalue.iloc[:, 1:].lt(1.3).sum(axis=1)

# 2. 筛选出：小于1.3的列数 ≤2 的行（也就是≥3列大于1.3，符合保留条件）
pvalue = pvalue[count_less <= 2]

代码逐行解释： #

• pvalue.iloc[:, 1:]：选取所有行，以及从第2列开始的后5列（因为iloc是从0开始索引的）
• .lt(1.3)：对每个元素判断是否小于1.3，返回一个和原数据形状一致的布尔值DataFrame（True表示小于1.3，False表示大于等于1.3）
• .sum(axis=1)：按行求和，把每行的True（相当于1）加起来，得到每行有多少个列的数值小于1.3
• pvalue[count_less <= 2]：只保留那些小于1.3的列数≤2的行，既满足“至少3列大于1.3”的保留规则，也自动删除了“≥3列小于1.3”的行

如果你习惯用inplace=True的方式修改原DataFrame，也可以这么写：

count_less = pvalue.iloc[:, 1:].lt(1.3).sum(axis=1)
pvalue.drop(pvalue[count_less > 2].index, inplace=True)

这个逻辑是：找出所有小于1.3的列数>2的行的索引，然后直接删除这些行。

逻辑验证示例 #

假设某行后5列的p值是[1.2, 1.4, 1.2, 1.5, 1.1]，小于1.3的有3个，这行会被删除；
如果某行是[1.4, 1.5, 1.2, 1.6, 1.7]，小于1.3的只有1个，这行会被保留，完全符合你的要求。

内容的提问来源于stack exchange，提问作者Alex L