Pandas循环访问DataFrame条目触发get_loc KeyError问题排查

问题现象 #

执行以下代码时，标记行触发KeyError: 0：

df_original = pd.read_csv(csv_dataframe_filename, sep='\t', header=[0, 1], encoding_errors="replace")
df_original.columns = ['A', 'B',
              'Count_Number', 'D',
              'E', 'F',
              'use_first', 'H', 'I']

df_use = df_original
df_use = df_use.drop(df_use[((df_use['use_first']=='no'))].index)
df_use.columns = ['A', 'B',
              'Count_Number', 'D',
              'E', 'F',
              'use_first', 'H', 'I']


c_mag = np.zeros((len(df_use), 1))
x = 0
for i in range(len(df_use)):
    print(df_use['Count_Number'][x]) # 触发KeyError的行
    x += 1
print(c_mag)
print(df_use['Count_Number'][x])

• 使用固定数字而非变量x时正常
• 使用未删除行的df_original时正常
• 最后一行打印df_use['Count_Number'][x]能运行（仅为巧合，取决于删除后剩余的索引标签）

核心原因 #

Pandas中df['列名'][x]是**按标签索引（Label Index）**取值，而非按位置：

1. 执行drop()删除行后，DataFrame的标签索引不会自动重置。比如原df_original的索引是连续的0,1,2,3...，删除部分行后，df_use的索引可能变成0,2,3...（假设删除了索引1的行）。
2. 循环中x从0开始递增，当x指向一个被删除的索引标签时（比如x=1），就会抛出KeyError，因为该标签不存在于df_use的索引中。
3. 而.iloc[x]是**按位置索引（Position Index）**取值，直接取第x个位置的元素，不受标签索引的影响，因此能正常运行。

解决方案 #

方案1：使用位置索引.iloc访问

直接用.iloc按位置取值，无需修改索引：

c_mag = np.zeros((len(df_use), 1))
for x in range(len(df_use)):
    # 按位置访问第x个元素
    value = df_use['Count_Number'].iloc[x]
    print(value)
    # 这里可以添加你的计算逻辑，比如c_mag[x] = ...

方案2：重置索引

删除行后重置索引，让标签索引与位置索引一致：

# 删除行后立即重置索引，drop=True丢弃原索引列
df_use = df_use.drop(df_use[((df_use['use_first']=='no'))].index).reset_index(drop=True)

# 之后可以直接用[x]按标签访问
c_mag = np.zeros((len(df_use), 1))
x = 0
for i in range(len(df_use)):
    print(df_use['Count_Number'][x])
    x += 1

方案3：避免循环（推荐）

Pandas的核心优势是向量运算，远快于for循环。如果你的需求是对Count_Number列进行计算，直接对列操作即可：

# 直接将列转为numpy数组，无需循环
c_mag = df_use['Count_Number'].values.reshape(-1, 1)

内容的提问来源于stack exchange，提问作者Keks