迭代为Pandas DataFrame新增列时，‘string index out of range’错误的成因

原代码触发"string index out of range"错误的核心原因：

• 错误将value[n+1]当成下一行的type值，但value是当前行的type字符串，value[n+1]实际是取该字符串的第n+1个字符，当字符串长度不足时就会报错。
• 循环逻辑混乱：遍历所有行时用n计数，判断条件n < 56107和实际行数51108不符，且未处理最后一行（无下一行的情况）。

正确实现方式 #

用Pandas内置的shift()方法可以高效获取下一行的type值，无需手动循环，代码简洁且性能更优：

# 获取下一行的type值，最后一行无下一行，结果为NaN
next_type = df['type'].shift(-1)

# 根据下一行type值设置metric列：下一行是Shot设为1，是Pass设为0，其余情况设为None（可按需调整）
df['metric'] = None
df.loc[next_type == 'Shot', 'metric'] = 1
df.loc[next_type == 'Pass', 'metric'] = 0

也可以用numpy.where简化为一行代码：

import numpy as np

next_type = df['type'].shift(-1)
df['metric'] = np.where(next_type == 'Shot', 1, 
                        np.where(next_type == 'Pass', 0, None))

关键说明 #

• shift(-1)会将type列整体上移一位，当前行的next_type就对应下一行的type值，最后一行的next_type为NaN，可根据需求设置默认值（比如设为0或保留NaN）。
• 这种向量化操作比手动循环效率高数倍，尤其适合处理几万行级别的DataFrame。

内容的提问来源于stack exchange，提问作者Guilherme Silva