如何消除遍历Pandas DataFrame索引时的Hashable类型警告？

方案1：用enumerate获取行位置，结合iloc访问数据 #

直接通过enumerate拿到整数类型的行位置，避免对原索引做整数运算，逻辑和原代码完全一致，同时消除警告：

for i, (idx, row) in enumerate(df.iterrows()):
    if i == 0:
        continue
    # 用iloc按行的物理位置访问数据，不依赖原索引类型
    if df.iloc[i]['date'] == df.iloc[i-1]['date']:
        df.loc[idx, 'desc'] = 'same date'

这里i是整数类型的行顺序位置，iloc专门用于按位置取数，不管原索引是什么类型都能正常工作，从根源上避免了类型不匹配的警告。

方案2：显式声明索引类型（适用于确定索引为整数的场景） #

如果你能确定DataFrame的索引就是整数类型，可以通过类型断言或转换告诉PyCharm索引的实际类型，消除警告：

方法A：用断言强校验

for index, row in df.iterrows():
    # 断言索引为int类型，既消除警告也能提前发现索引类型异常
    assert isinstance(index, int), "DataFrame索引必须为整数类型"
    if index == 0:
        continue
    elif df.loc[index, 'date'] == df.loc[index - 1, 'date']:
        df.loc[index, 'desc'] = 'same date'

方法B：用类型转换

from typing import cast

for index, row in df.iterrows():
    # 强制类型转换，告诉IDE当前index是int类型
    index = cast(int, index)
    if index == 0:
        continue
    elif df.loc[index, 'date'] == df.loc[index - 1, 'date']:
        df.loc[index, 'desc'] = 'same date'

注意：这种方法只适用于索引确实是整数的情况，如果索引是字符串、时间戳等非整数类型，会引发错误。

方案3：用Pandas矢量化操作替代循环（推荐） #

Pandas的核心优势是矢量化运算，不仅效率远高于iterrows循环，还能彻底规避索引类型问题：

import numpy as np

# 用shift()获取前一行的date，批量比较生成结果
df['desc'] = np.where(df['date'] == df['date'].shift(1), 'same date', df.get('desc', ''))
# 第一行无前置行，重置其desc值（根据需求调整）
df.loc[df.index[0], 'desc'] = df.loc[df.index[0], 'desc'] if 'desc' in df.columns else ''

shift(1)会将date列整体下移一行，第一行变为NaN，用np.where批量判断每行是否和前一行日期相同，直接赋值desc，全程不需要循环，也不会有任何类型警告。

内容的提问来源于stack exchange，提问作者Z.Wei