Pandas数据集筛选报错求助：ValueError与KeyError问题排查

错误原因拆解 #

1. ValueError: 真值判断模糊 #

你最初写的循环里直接拿my_data.iloc[j:i]做条件判断，iloc[j:i]返回的是子DataFrame/Series，Pandas没法直接判断整个布尔DataFrame的真假，所以触发这个报错。

2. KeyError #

my_data.at['Index']用法错了：at的正确格式是at[row_label, col_label]，只传一个参数的话，Pandas默认你要找行标签为Index的行，但你的数据集里没有这个行标签，所以抛KeyError。如果Index是列名，直接用my_data['Index']取整列就行，别用at。

正确实现方法（优先矢量化操作） #

Pandas不建议循环遍历行，矢量化操作更快还不容易出错。根据你描述的需求，分两种常见场景给出实现：

场景1：筛选第1列（位置索引1）值等于Index列值的行 #

假设你的数据集结构大概是这样：

代码实现：

# 用iloc取第1列（所有行），和Index列做相等判断，筛选符合条件的行
filtered_data = my_data[my_data.iloc[:, 1] == my_data['Index']]

场景2：筛选与sales行对应值匹配的行 #

如果sales是行标签，要找每行对应位置值等于sales行值的行：

# 先拿到sales行的所有值
sales_row = my_data.loc['sales']
# 筛选每行等于sales_row对应值的行，删掉全空的行
filtered_data = my_data[my_data == sales_row].dropna(how='all')

非要循环的话（不推荐） #

如果特殊情况必须遍历行，要确保每次拿的是单个值，不是DataFrame/Series：

import pandas as pd

filtered_rows = []
for index, row in my_data.iterrows():
    # 取当前行第1列的值，和Index列的值比较
    if row.iloc[1] == row['Index']:
        filtered_rows.append(row)
filtered_data = pd.DataFrame(filtered_rows)

验证 #

运行后filtered_data就是你要的结果，直接打印就能查看。

内容的提问来源于stack exchange，提问作者Shivmoh