迭代Pandas DataFrame时触发List index out of range错误求助

核心问题解答 #

A. 移除条件后为何正常？ #

带条件时，service.append()仅在rt_type[i] == 'AFEL'且muni[i] == 'Vestavia Hills'时执行，不是每轮循环都追加元素。当条件不满足时，service列表长度会落后于其他列表（比如travel、disp），此时用service[i]访问会触发索引越界——i是df的行索引，对应其他列表已有i+1个元素，但service的元素数量不足。
移除条件后，每轮循环都会执行service.append()，列表长度和其他列表完全同步，service[i]自然能正常访问。

B. 为何travel未出现索引错误？ #

travel.append((miles[i])/22)是每轮循环必执行的操作，travel列表的长度始终和df的行数一致，i作为当前循环的行索引，travel[i]永远能找到对应位置的元素，不会出现越界。

深层隐患：lookup循环的bug #

你的lookup嵌套循环存在两个问题：

• 如果df中某条Route Number在lookup表中无匹配项，rt_type和muni列表不会追加元素，后续访问rt_type[i]或muni[i]同样会触发索引越界。
• 如果lookup表中存在重复的Route值，会多次追加rt_type和muni，导致这两个列表长度超出其他列表，后续逻辑也会出错。

修复方案 #

1. 先解决service的索引越界问题 #

确保每轮循环都给service追加元素，添加默认分支：

# 替换原service条件代码
if rt_type[i] == 'AFEL' and muni[i] == 'Vestavia Hills':
    service.append((stops[i]*17)/3600)
else:
    # 根据业务需求设置默认值，比如0或其他计算逻辑
    service.append(0)

2. 修复lookup匹配逻辑 #

用字典映射替代嵌套循环，避免索引不一致问题：

# 先将lookup表转为字典，实现O(1)快速查找
route_lookup = lookup.set_index('Route')[['Route Type', 'Municipality']].to_dict('index')

# 在循环中直接查找，同时处理无匹配的情况
for i, row in df.iterrows():
    route_num = df.at[i, 'Route Number']
    # 找不到匹配时返回默认值，避免列表长度不一致
    route_info = route_lookup.get(route_num, {'Route Type': 'UNKNOWN', 'Municipality': 'UNKNOWN'})
    rt_type.append(str(route_info['Route Type']))
    muni.append(str(route_info['Municipality']))
    
    # 其余原有代码保持不变...

3. 更优的Pandas向量化写法（彻底规避列表迭代问题） #

手动维护列表既低效又容易出错，直接用Pandas的向量化操作更可靠：

import numpy as np

# 处理日期、线路编号拆分等基础字段
df['date'] = df['Route Date'].dt.strftime('%Y-%m-%d')
df['dow'] = df['Route Number'].str[0]
df['rt'] = df['Route Number'].str[1:4]

# 合并lookup表，自动匹配线路类型和 municipality
df = df.merge(lookup, left_on='Route Number', right_on='Route', how='left')
# 处理无匹配的线路，填充默认值
df['Route Type'] = df['Route Type'].fillna('UNKNOWN').astype(str)
df['Municipality'] = df['Municipality'].fillna('UNKNOWN').astype(str)

# 计算各衍生字段
df['travel'] = df['Miles'] / 22
df['service'] = np.where(
    (df['Route Type'] == 'AFEL') & (df['Municipality'] == 'Vestavia Hills'),
    (df['Stops']*17)/3600,
    0  # 替换为你的业务默认值
)
df['disp'] = df['Disposal Loads'] * (22/60)
df['pre_post'] = 0.78
df['target_clk_hrs'] = df['travel'] + df['service'] + df['disp'] + 1.28
df['variance'] = df['target_clk_hrs'] - df['Clock Hours']

# 生成最终的新DataFrame
df2 = df[['date', 'dow', 'rt', 'Route Type', 'Municipality', 'Miles', 'Disposal Tons', 'Disposal Loads', 'Stops', 'Clock Hours', 'travel', 'service', 'disp', 'pre_post', 'target_clk_hrs', 'variance']]

内容的提问来源于stack exchange，提问作者sweeney