UnboundLocalError报错求助：temp_var未赋值即引用问题

首先，咱们来拆解你遇到的错误根源：temp_var只有在第二个循环里的df.at[count2, "col4"] == 0条件满足时才会被赋值。如果这个条件在整个循环过程中一次都没触发，temp_var就完全没有被定义过，当你执行最后一行df.at[temp_var, "col4"] = tot_fun时，Python就会抛出UnboundLocalError——因为它找不到这个变量的定义。

核心解决思路 #

我们需要确保无论第二个循环的执行路径如何，temp_var都有明确的定义，同时可以根据业务逻辑处理“没找到符合条件的count2”的情况。

方案1：提前初始化+有效性检查

在进入第二个循环前，先给temp_var一个初始值（比如None），然后在赋值前检查它是否被正确赋值。如果没找到符合条件的位置，就跳过赋值或者给出提示，避免报错：

def func_1(df):
    for count1, i in enumerate(df["col1"]):
        if df.at[count1, "col3"] == 1 and df.at[count1, "col4"] > 0:
            tot_fun = df.at[count1, "col4"]
            # 提前初始化temp_var为None，保证变量始终有定义
            temp_var = None
            for count2, j in enumerate(df["col2"]):
                if i == j:
                    tot_fun -= df.at[count2, "col4"]
                    if df.at[count2, "col4"] == 0:
                        temp_var = count2
            # 只有当temp_var被正确赋值时，才执行修改操作
            if temp_var is not None:
                df.at[temp_var, "col4"] = tot_fun
            else:
                # 这里可以根据业务需求调整，比如打印提示或跳过当前迭代
                print(f"未找到col4为0且col2等于{i}的行")
    return df

方案2：设置业务默认索引

如果你确定在正常业务场景中一定能找到符合条件的count2，但想给极端情况兜底，可以给temp_var设置一个默认索引值（比如当前的count1或者其他合理位置）：

def func_1(df):
    for count1, i in enumerate(df["col1"]):
        if df.at[count1, "col3"] == 1 and df.at[count1, "col4"] > 0:
            tot_fun = df.at[count1, "col4"]
            # 设置默认索引为当前行，极端情况兜底
            temp_var = count1
            for count2, j in enumerate(df["col2"]):
                if i == j:
                    tot_fun -= df.at[count2, "col4"]
                    if df.at[count2, "col4"] == 0:
                        temp_var = count2
            # 不管有没有找到目标行，都执行赋值（默认值兜底）
            df.at[temp_var, "col4"] = tot_fun
    return df

额外优化建议 #

从代码逻辑来看，嵌套两层循环对于较大的DataFrame来说效率会比较低。如果想提升性能，可以考虑用Pandas的矢量化操作（比如merge、布尔索引）替代循环，比如先批量匹配col1和col2的行，再计算tot_fun，这部分可以结合你的具体业务场景进一步调整。

内容的提问来源于stack exchange，提问作者matan