过滤后的Pandas DataFrame无法用于for循环？问题求助

核心问题 #

过滤后的DataFrame索引不再是连续的0起始整数序列了。

原始DataFrame从CSV读取后，默认索引是0、1、2...连续递增的，所以你用range(len(dat_fbjk['x']))生成的数字，刚好能匹配df的标签索引，dat_fbjk['x'][x]能正常取值。但过滤后，pass_500只保留了符合条件的行，这些行的索引还是沿用原始df的标签（比如原始df里符合条件的行是索引3、5、7，那pass_500的索引就是3、5、7），此时你用range(len(pass_500['x']))生成0、1、2...，再用pass_500['x'][0]去访问，自然找不到标签为0的行，就会报KeyError: 0。

三种解决办法 #

1. 重置索引
   过滤后直接重置索引，让它变回0起始的连续整数：

filt_1 = (dat_fbjk['type/displayName'] == 'Pass') & (dat_fbjk['teamId'] == 500)
pass_500 = dat_fbjk[filt_1].reset_index(drop=True)

drop=True是删掉原来的旧索引列，避免冗余。之后原来的循环代码就能正常运行。

2. 用位置索引iloc
   不修改索引，而是在取值时用iloc按位置访问（不管标签索引是什么）：

for x in range(len(pass_500['x'])):
    plt.plot((pass_500['x'].iloc[x], pass_500['endX'].iloc[x]), 
             (pass_500['y'].iloc[x], pass_500['endY'].iloc[x]), 
             color='green')

3. 改用更高效的Pandas风格写法（推荐）
   避免手动循环，用apply或者向量化操作，代码更简洁且效率更高：

pass_500.apply(lambda row: plt.plot((row['x'], row['endX']), 
                                    (row['y'], row['endY']), 
                                    color='green'), 
               axis=1)

内容的提问来源于stack exchange，提问作者PaiThon