使用loc查询返回Series而非单个值，如何提取坐标值？

原代码报错原因 #

你直接把loc查询返回的Series赋值给单个单元格，哪怕Series里只有一个值，pandas也不允许这种操作；当处理到控球序列最后一条记录时，查询结果是空Series，直接赋值还会触发索引越界错误，所以每次都会进入except分支。

方案一：修改原循环代码提取单值 #

先判断查询结果是否非空，再用.iloc[0]提取Series的第一个元素：

# 初始化字段为空字符串
df['X_to'] = ""
df['Y_to'] = ""

for index, row in df.iterrows():
    current_team = row['Team']
    current_posession = row['Posession']
    current_sequence = row['PosSeq']
    
    # 获取匹配的下一条记录
    match_row = df[(df['Team'] == current_team) & 
                   (df['Posession'] == current_posession) & 
                   (df['PosSeq'] == current_sequence + 1)]
    
    if not match_row.empty:
        df.loc[index, 'X_to'] = match_row['X_from'].iloc[0]
        df.loc[index, 'Y_to'] = match_row['Y_from'].iloc[0]
    # 无匹配时保持空字符串，无需try-except

方案二：高效分组Shift法（推荐） #

iterrows在数据量大时效率极低，用groupby+shift可以一步完成需求，无需循环：

# 按球队+控球分组，把每组下一条记录的坐标移到当前行
df['X_to'] = df.groupby(['Team', 'Posession'])['X_from'].shift(-1)
df['Y_to'] = df.groupby(['Team', 'Posession'])['Y_from'].shift(-1)

# 把分组最后一行的NaN替换为空字符串
df[['X_to', 'Y_to']] = df[['X_to', 'Y_to']].fillna("")

这个方法利用pandas的向量化操作，性能比循环提升几个量级，逻辑也更清晰。

内容的提问来源于stack exchange，提问作者Patrick Demaerschalk