如何基于单列不同字符串中断嵌套循环并分块遍历DataFrame

数据示例 #

问题描述 #

我希望寻求您的帮助，如何先遍历第0至9行，中断后再继续遍历第10至19行。

现有代码 #

# 我现有的代码
name_col = []
seta_col = []
setb_col = []
setc_col = []

for i in data['name']:
  if i not in name_col:
    name_col.append(i)
for i in data['seta']:
  seta_col.append(i)
for i in data['setb']:
  setb_col.append(i)
for i in data['setc']:
  setc_col.append(i)

df_list = []
for name in name_col:
  for sa in seta_col:
    for sb in setb_col:
      for sc in setc_col:
        if name!=name:
          break
        print(name,sa,sb,sc)

我尝试添加break语句但没有效果，也尝试在每个新字符串后添加空列表，但都不起作用。

解决方案 #

你的核心问题是原代码逻辑错误：嵌套循环会把所有列的元素随意组合，且if name!=name永远不成立，导致break完全无效。以下是几种直接可行的实现方式：

方法1：按name分组遍历（最贴合需求）

利用pandas的分组功能，天然实现先处理完一组再处理下一组：

import pandas as pd

# 假设data是你的DataFrame对象
for group_name, group_rows in data.groupby('name'):
    print(f"===== 开始处理 {group_name} 组 =====")
    # 遍历当前组的每一行
    for idx, row in group_rows.iterrows():
        # 这里写你对每行的处理逻辑，比如打印或存入列表
        print(row['name'], row['seta'], row['setb'], row['setc'])
    print(f"{group_name} 组处理完成\n")

方法2：手动按索引分段遍历

如果不想用分组，直接按索引范围分段处理：

# 处理0-9行
print("===== 处理0-9行 =====")
for idx in range(10):
    row = data.iloc[idx]
    print(row['name'], row['seta'], row['setb'], row['setc'])

# 中断后处理10-19行
print("\n===== 处理10-19行 =====")
for idx in range(10, 20):
    row = data.iloc[idx]
    print(row['name'], row['seta'], row['setb'], row['setc'])

方法3：修正原代码逻辑

如果要保留类似原代码的思路，应该按行筛选而非提取列元素：

df_list = []
# 先处理aaa的行
print("===== 处理aaa组 =====")
for idx, row in data[data['name'] == 'aaa'].iterrows():
    df_list.append(row.to_dict())
    print(row['name'], row['seta'], row['setb'], row['setc'])

# 再处理bbbb的行
print("\n===== 处理bbbb组 =====")
for idx, row in data[data['name'] == 'bbbb'].iterrows():
    df_list.append(row.to_dict())
    print(row['name'], row['seta'], row['setb'], row['setc'])

内容的提问来源于stack exchange，提问作者user1862349