IndexError报错求助：数组维度不匹配，前两次循环正常后续失败

错误根源 #

1. 浮点数精度陷阱：代码中用row[0] == n做匹配，但n = n + 0.1会产生浮点数精度误差（比如0.3无法用二进制精确表示），导致第三次循环时没有匹配到任何数据，tmp变成空数组。空数组是一维的，执行tmp[:,2]时就会触发"too many indices for array"错误。
2. 排序逻辑错误：np.sort(d_us)会对每个子数组的元素单独排序，而非按第0列对整个数组排序，导致分组的原始数据顺序混乱。
3. 未处理空分组：没有判断tmp是否为空就直接进行索引和统计计算，空数组会直接引发后续报错。

修复后的代码（推荐用Pandas，更简洁可靠） #

Pandas的分组功能能完美解决浮点数匹配和空分组问题，同时简化异常值计算：

import pandas as pd
import datetime

# 读取数据
df = pd.read_csv("test.csv", header=None, names=["col0", "col1"])
# 按第0列分组（自动处理浮点数精度问题）
grouped = df.groupby("col0")

# 输出文件时间戳
nts = datetime.datetime.now().timestamp()
output_path = f"calib_temp-{nts}.csv"

# 遍历每个分组，计算并导出异常值
with open(output_path, 'w', newline='') as f:
    writer = pd.io.parsers.csv.writer(f)
    for _, group in grouped:
        # 计算差值列
        group["diff"] = round(group["col0"] - group["col1"], 1)
        # 计算均值和标准差
        mean_diff = group["diff"].mean()
        std_diff = group["diff"].std()
        # 跳过只有一个数据的分组（无标准差）
        if std_diff == 0:
            continue
        # 计算z-score，筛选异常值
        group["z_score"] = (group["diff"] - mean_diff) / std_diff
        outliers = group[abs(group["z_score"]) > 1]
        # 写入异常值
        writer.writerows(outliers[["col0", "col1"]].values.tolist())

若坚持使用Numpy的修复方案 #

需要处理浮点数精度和空分组判断：

import numpy as np
import csv
import datetime

# 读取数据
d_us = []
with open("test.csv", 'r', newline='') as drh:
    fr_rh = csv.reader(drh, delimiter=',')
    for row in fr_rh:
        d_us.append([float(row[0]), float(row[1])])

# 按第0列排序（正确的排序方式）
d = np.array(d_us)
d = d[np.argsort(d[:, 0])]

# 输出文件时间戳
nts = datetime.datetime.now().timestamp()
output_path = f"calib_temp-{nts}.csv"

# 获取所有唯一的第0列值（去重，避免浮点数循环的精度问题）
unique_col0 = np.unique(d[:, 0])

for n in unique_col0:
    # 用isclose处理浮点数精度匹配
    mask = np.isclose(d[:, 0], n)
    tmp = d[mask]
    if len(tmp) == 0:
        continue
    # 计算差值列
    diff = np.round(tmp[:, 0] - tmp[:, 1], 1)
    tmp_with_diff = np.column_stack((tmp, diff))
    
    # 计算统计值
    mean_diff = np.mean(tmp_with_diff[:, 2])
    std_diff = np.std(tmp_with_diff[:, 2])
    if std_diff == 0:
        continue
    
    # 筛选异常值并写入
    z_scores = (tmp_with_diff[:, 2] - mean_diff) / std_diff
    outliers = tmp_with_diff[np.abs(z_scores) > 1]
    with open(output_path, 'a', newline='') as ct:
        c = csv.writer(ct, delimiter=',')
        c.writerows(outliers[:, :2].tolist())

内容的提问来源于stack exchange，提问作者Binsky734