使用Pandas循环索引作为drop参数删元素时遇KeyError求助

核心问题1：条件逻辑错误 #

你当前的条件判断维度写反了：

min(some_dataset.iloc[index]) >= some_dataset.iloc[0].values[index]

这里some_dataset.iloc[0].values[index]取的是第0行第index列的值，但你的需求是判断当前行的最小值是否等于当前行第0列（100nm对应列）的值，正确的条件应该是：

# 判断当前行的最小值等于该行第0列的值（即最小值在100nm位置）
min(some_dataset.iloc[index]) == some_dataset.iloc[index].iloc[0]

核心问题2：循环删除的逻辑错误 #

你在循环中每次都从原始数据集some_dataset删除行并赋值给dataset_filtered，这会导致两个问题：

1. 后续循环操作的还是原始数据，之前的过滤完全无效
2. 如果你的数据集行标签不是连续整数（比如样本标签是#1、#2、#3），用enumerate得到的位置索引调用drop(index=index)会因为标签不匹配报错——这就是你看到KeyError: '[1] not found in axis'的原因，因为drop默认按行标签删除，而非位置。

正确解决方案：向量式操作过滤（推荐） #

Pandas的核心优势是向量式运算，完全不需要循环删除，效率更高且不易出错：

# 计算每行的最小值
row_mins = some_dataset.min(axis=1)
# 生成过滤掩码：标记最小值等于第0列值的行
mask = row_mins == some_dataset.iloc[:, 0]
# 过滤掉符合条件的行，保留剩余数据
dataset_filtered = some_dataset[~mask]

若坚持用循环（不推荐） #

如果一定要用循环，需先收集所有要删除的行标签，再一次性删除：

to_drop = []
# 遍历行标签与对应行数据
for row_label, row in some_dataset.iterrows():
    if min(row) == row.iloc[0]:
        to_drop.append(row_label)

# 一次性删除所有目标行
dataset_filtered = some_dataset.drop(index=to_drop)

关于类型转换报错的说明 #

你尝试index.astype(int)时出现AttributeError，是因为enumerate返回的index本身就是整数，整数没有astype方法——问题根源不是类型，而是你混淆了位置索引和行标签的区别。

内容的提问来源于stack exchange，提问作者ttoshiro