Python处理CSV列值求最低价格报错(TypeError)，求解决方法

我有一个包含产品数据的CSV文件，包含product_name、price、website三列。想要用Python获取最低价格，编写了如下代码但运行时报错：TypeError: list indices must be integers or slices, not Series，代码如下：

import pandas as pd

data = pd.read_csv("product_list.csv")
df = pd.DataFrame(data, columns= ['price'])
df['price'] = pd.to_numeric(df['price'], errors='coerce')

prices = 99
temp = []

for i in df:
    temp.append(df.price)

for i in temp:
    if temp[i]<prices:
        prices = temp[i]       

print(prices)

错误原因 #

• 第一个循环for i in df：遍历DataFrame时默认迭代列名，这里df仅包含price一列，循环仅执行一次，将整个df.price（Series对象）添加到temp列表，导致temp存储的是Series而非单个价格值。
• 第二个循环for i in temp：此时i是Series对象，用temp[i]索引列表会触发类型错误，因为列表索引仅支持整数或切片。

最优实现（利用Pandas内置方法） #

Pandas提供了直接获取最小值的方法，无需手动循环，代码简洁高效：

import pandas as pd

# 读取CSV文件
data = pd.read_csv("product_list.csv")
# 将price列转为数值类型，无效值转为NaN
data['price'] = pd.to_numeric(data['price'], errors='coerce')
# 获取最低价格，自动跳过NaN值
min_price = data['price'].min()

print(f"最低价格为: {min_price}")

手动循环实现（仅作学习参考） #

若坚持用循环逻辑，需遍历price列的每个具体值，而非列名或整个Series：

import pandas as pd

data = pd.read_csv("product_list.csv")
df = pd.DataFrame(data, columns=['price'])
df['price'] = pd.to_numeric(df['price'], errors='coerce')

# 初始化最低价格为无穷大，确保能被有效价格覆盖
min_price = float('inf')

# 遍历去空后的价格值
for price in df['price'].dropna():
    if price < min_price:
        min_price = price

print(f"最低价格为: {min_price}")

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