为何在循环中使用df.loc会触发KeyError错误？

直接遍历DataFrame时，迭代的是列名而非行索引。你的代码里，for row in example_data_df会依次取出'ID'和'score'两个列名，执行example_data_df.loc[row,'ID']时，相当于用列名作为行索引去查找，但你的行索引是0-5的整数，自然找不到对应行，触发KeyError: 'ID'。

而循环外row=1是有效的行索引，所以loc[row,'ID']能正常取出对应行的ID值。

如果确实需要遍历行，有两种常用正确写法：

• 遍历行索引：

for row in example_data_df.index:
    print(example_data_df.loc[row,'ID'])

• 遍历行对象（使用iterrows()）：

for idx, row in example_data_df.iterrows():
    print(row['ID'])

你要将B的特定列追加到A，仅保留两表某列值匹配的行，完全不需要循环，pd.merge可以高效实现：

假设匹配列是'ID'，要从B追加到A的列是'target_col'：

• 若要仅保留A和B中ID都存在的行（内连接）：

merged_df = pd.merge(A, B[['ID', 'target_col']], on='ID', how='inner')

• 若要保留A的所有行，仅追加B中匹配到的列值，未匹配项填充NaN（左连接）：

merged_df = pd.merge(A, B[['ID', 'target_col']], on='ID', how='left')

这种向量化操作比循环效率高得多，尤其适合数据量较大的场景。

内容的提问来源于stack exchange，提问作者user20501139