创建依赖其他列的新列时遇str属性错误，求解决方案

错误原因 #

你在循环中用df_curry.iloc[row]["Golden State"]取出的是单个字符串值，而.str.contains()是pandas Series（列对象）的专属方法，单个字符串没有这个属性，因此触发报错。

解决方法 #

方法1：修改循环逻辑，使用原生字符串匹配 #

保留循环思路，改用Python原生的正则匹配替代str.contains()，同时处理SettingWithCopyWarning问题：

import pandas as pd
import re

# 原数据加载逻辑不变
url = 'https://www.basketball-reference.com/boxscores/pbp/200911060GSW.html'
dfs = pd.read_html(url)
df = dfs[0] 
df.columns = df.columns.droplevel()
df.rename(columns={'Unnamed: 2_level_1': 'PM1', 'Unnamed: 4_level_1': 'PM2'}, inplace=True)

# 筛选Curry数据并复制，避免修改原数据切片引发警告
df_curry = df.loc[df["Golden State"].str.contains("Curry", na=False)].copy()

# 初始化统计列
df_curry["Field Goals Hit"] = 0
df_curry["Field Goals Missed"] = 0
df_curry["Field Goals Percentage"] = 0

field_throws_missed = 0
field_throws_hit = 0

# 改用iterrows遍历行，用原生正则匹配动作描述
for idx, row in df_curry.iterrows():
    action = row["Golden State"]
    if re.search(r'misses 2|misses 3', action):
        field_throws_missed += 1
        df_curry.loc[idx, "Field Goals Missed"] = field_throws_missed
    elif re.search(r'makes 2|makes 3', action):
        field_throws_hit += 1
        df_curry.loc[idx, "Field Goals Hit"] = field_throws_hit

# 计算最终命中率
total_attempts = field_throws_hit + field_throws_missed
if total_attempts > 0:
    df_curry["Field Goals Percentage"] = (field_throws_hit / total_attempts).round(3)

方法2：抛弃循环，使用pandas向量化操作（推荐） #

这是更符合pandas设计思想的写法，执行效率更高，代码更简洁：

import pandas as pd

# 原数据加载逻辑不变
url = 'https://www.basketball-reference.com/boxscores/pbp/200911060GSW.html'
dfs = pd.read_html(url)
df = dfs[0] 
df.columns = df.columns.droplevel()
df.rename(columns={'Unnamed: 2_level_1': 'PM1', 'Unnamed: 4_level_1': 'PM2'}, inplace=True)

# 筛选Curry数据并复制
df_curry = df.loc[df["Golden State"].str.contains("Curry", na=False)].copy()

# 标记命中/未命中的行
df_curry['is_hit'] = df_curry["Golden State"].str.contains(r'makes 2|makes 3', na=False)
df_curry['is_miss'] = df_curry["Golden State"].str.contains(r'misses 2|misses 3', na=False)

# 计算累计命中/未命中数
df_curry["Field Goals Hit"] = df_curry['is_hit'].cumsum()
df_curry["Field Goals Missed"] = df_curry['is_miss'].cumsum()

# 计算累计命中率，处理未产生投篮的除零情况
total_attempts = df_curry["Field Goals Hit"] + df_curry["Field Goals Missed"]
df_curry["Field Goals Percentage"] = (df_curry["Field Goals Hit"] / total_attempts).fillna(0).round(3)

# 可选：删除临时标记列
df_curry.drop(['is_hit', 'is_miss'], axis=1, inplace=True)

关键要点 #

• 处理警告：对筛选后的df_curry调用.copy()，避免修改原数据切片引发SettingWithCopyWarning。
• 向量化优势：避免循环遍历，利用pandas内置的向量化方法，数据量越大，执行效率提升越明显。
• 命中率计算：用cumsum()生成累计命中/未命中数，通过除法计算实时累计命中率，fillna(0)处理还未产生投篮的初始状态。

内容的提问来源于stack exchange，提问作者nick.s99