Python遍历字符串写入DataFrame触发Key Error报错咨询

报错来自pandas索引的语法误用，你写的df[i][j]属于错误的链式索引写法：

• pandas中单中括号传入单个值时，优先按列名匹配列，不是按位置取行。第一层df[i]会直接查找列名等于i的列，当循环变量i增长到和DataFrame总列数（比如你说的45）相等时，表中不存在名为45的列，就会抛出KeyError: 45，和你观察到的报错现象完全一致。
• 就算i值没超过列数范围，第二层[j]是在取出的单列Series上匹配索引值等于j的行，不是按位置定位单元格，就算不报错也极易出现值错位、赋值不生效的问题，pandas官方本身就禁止用链式索引做写操作。

• 先打印df.columns确认所有列名的取值范围，再在循环中打印每次迭代的i值，就能观测到当i等于总列数时，刚好触发列查找失败的报错。
• 记住pandas基础索引规则：直接用df[值]的写法，传单个标量默认取列，传切片才默认按行切，不要把pandas的索引和二维列表的索引逻辑搞混。

优先选批量赋值方案，不要写双层逐格循环，运行效率会高几个数量级：

方案1：批量位置赋值（推荐） #

如果converted_array是和目标DataFrame行、列维度对齐的二维结构（numpy数组、二维列表都可以），直接用.iloc位置索引一次性完成赋值，不需要写循环：

# .iloc的规则是 [行范围, 列范围]，和你原逻辑里i行j列的顺序完全对应
df.iloc[:rows, :columns-1] = converted_array[:rows, :columns-1]

如果converted_array是普通Python列表，先转成numpy数组再赋值即可：

import numpy as np
df.iloc[:rows, :columns-1] = np.array(converted_array)[:rows, :columns-1]

方案2：逐格赋值场景 #

如果确实需要保留逐格循环的逻辑，必须用.iloc明确指定按位置定位单元格，不要用裸的中括号索引：

for i in range(rows):
    j = 0
    while j < columns - 1:
        # iloc传两个参数，分别对应行位置、列位置，不会触发列名匹配
        df.iloc[i, j] = converted_array[i][j]
        j += 1

更优简化写法 #

如果你的目标就是把converted_array转成DataFrame，完全不需要先创建空表再循环赋值，直接构造即可：

import pandas as pd
# 可按需传入columns、index参数自定义列名、行索引
df = pd.DataFrame(converted_array)

内容的提问来源于stack exchange，提问作者Kebaber