Python循环遍历nAtt变量报错：SyntaxError: can't assign to literal

你写的代码存在两个核心问题：

• 语法错误：Python不允许将数字字面量（比如0、1）作为for循环的变量名，变量名必须是合法的标识符（比如用val、item这类名称）。
• 逻辑错误：四个独立的for循环会重复遍历nAtt数组四次，最终nAtt_change只会保留最后一个循环的赋值结果，根本没实现“根据每个元素的值对应生成结果”的需求。

下面是几种正确的实现方式：

方法1：字典映射（最简洁高效） #

先定义值与对应结果的映射关系，再遍历数组生成结果：

# 定义映射规则
att_mapping = {
    0: 0,
    1: -6,
    2: -10,
    3: -20
}

# 你的原有代码：获取nAtt数组
nAtt = df["nAtt"].dropna().to_numpy()

# 生成对应的结果列表
nAtt_change_list = [att_mapping[val] for val in nAtt]

如果需要逐个处理元素，也可以用普通循环：

nAtt_change_list = []
for val in nAtt:
    nAtt_change_list.append(att_mapping[val])

方法2：循环内加条件判断 #

如果不想用字典，可在循环中通过if-elif判断每个值：

nAtt_change_list = []
for val in nAtt:
    if val == 0:
        nAtt_change_list.append(0)
    elif val == 1:
        nAtt_change_list.append(-6)
    elif val == 2:
        nAtt_change_list.append(-10)
    elif val == 3:
        nAtt_change_list.append(-20)

方法3：直接在DataFrame中处理（推荐） #

既然用了pandas，无需转成numpy数组，直接在DataFrame中新增列处理更高效：

att_mapping = {0: 0, 1: -6, 2: -10, 3: -20}
# 直接生成新列
df["nAtt_change"] = df["nAtt"].dropna().map(att_mapping)
# 若需要数组，再转换
nAtt_change_array = df["nAtt_change"].to_numpy()

内容的提问来源于stack exchange，提问作者Tiger1982