如何从一个DataFrame提取指定值至另一个？Pandas报错排查

问题原因 #

代码报错「Incompatible indexer with Series」及索引异常，核心问题如下：

• 排序操作未生效：df.sort_values()执行后未重新赋值给df，原DataFrame的顺序和索引无变化
• 循环赋值索引不匹配：用整数n/m作为索引调用df.at[n, ...]，但df的索引不一定是连续的0起始整数，导致赋值位置错误
• 赋值类型不兼容：dfi.loc[dfi['user_id']==y ,'country']返回Series类型，而df.at需要单个标量值，无匹配结果时触发类型报错
• 手动循环不符合Pandas设计：Pandas基于向量化操作优化，循环遍历效率低且易引发索引问题

修正后的代码 #

用Pandas内置的聚合与合并函数替代循环，彻底解决问题：

import pandas as pd

# 加载数据
df = fb_comments_count
dfi = fb_active_users

# 1. 标准化日期格式并筛选指定时间范围的数据
df['created_at'] = pd.to_datetime(df['created_at'])
df = df.loc[(df['created_at'] < '2020-01-31') & (df['created_at'] > '2019-12-01')]

# 2. 按user_id聚合计算评论总数，同时保留其他列的第一条数据
df = df.groupby('user_id').agg(
    created_at=('created_at', 'first'),
    sum=('number_of_comments', 'sum')
).reset_index()

# 3. 合并获取匹配的country，仅保留df中存在的user_id，新增new_country列
df = df.merge(
    dfi[['user_id', 'country']],
    on='user_id',
    how='left'
).rename(columns={'country': 'new_country'})

# 移除无匹配的空值（可选操作）
df = df.dropna()

print(df)

关键改进点 #

• 日期标准化：用pd.to_datetime转换日期列，避免字符串格式导致的筛选错误
• 聚合简化：groupby.agg一次性完成去重与评论求和，替代手动循环+去重的冗余操作
• 合并匹配高效准确：merge自动对齐user_id，直接获取对应country，彻底避免索引不匹配问题
• 索引自动维护：用reset_index()确保索引连续，或依赖Pandas自动对齐机制，无需手动维护索引变量

示例运行结果 #

基于你提供的示例数据，运行后输出：

user_id created_at  sum new_country
0       18 2019-12-29    1         USA

（注：仅user_id=18在fb_active_users中有匹配，若保留无匹配数据可删除df = df.dropna()）

内容的提问来源于stack exchange，提问作者Bhawani Rabisankar Sahoo