基于列值遍历行：清除重复单元格值的实现问题

1. 推荐：用Pandas移位方法实现（无需手动循环） #

利用Pandas的shift()直接获取上一行对应列的值，生成重复掩码后批量替换，这是最高效的方式，完全避免手动遍历的索引问题：

import pandas as pd

# 假设你的报表数据存储在DataFrame df中
target_col = "column_name"
# 生成重复掩码：当前行值等于上一行值的位置
duplicate_mask = df[target_col] == df[target_col].shift(1)
# 将重复值替换为空字符串（可根据需求改成隐藏/其他值）
df.loc[duplicate_mask, target_col] = ""

第一行因为没有上一行，shift(1)会返回NaN，不会触发替换，符合逻辑。

2. 手动遍历的正确写法（若需自定义逻辑） #

如果必须用循环遍历，要确保索引合法，从第二行开始遍历：

for idx in range(1, len(df)):
    current_val = df.loc[idx, "column_name"]
    prev_val = df.loc[idx-1, "column_name"]
    if current_val == prev_val:
        df.loc[idx, "column_name"] = ""

• 从range(1, len(df))开始，避免索引越界（第一行没有上一行）
• 用loc通过行索引访问，避免iloc使用时的语法错误

3. 错误排查方向 #

你之前遇到的row/iloc未定义、索引不存在问题，原因通常是：

• 未正确获取DataFrame的行对象就直接遍历，比如for cell in row中row未定义
• 使用iloc时语法错误，比如写成iloc-1而非iloc[idx-1]，且未控制索引范围导致越界
• np.where用法错误，正确格式应为df[target_col] = np.where(重复条件, 替换值, 原列值)，比如：

  df[target_col] = np.where(df[target_col] == df[target_col].shift(1), "", df[target_col])
  

内容的提问来源于stack exchange，提问作者Matthew Phillips