pandas读取Google Sheet搜索DataFrame返回空报索引越界错误

匹配为空、后续索引越界的核心原因是Google Sheets API返回的单元格值默认全为字符串类型，和本地读取CSV的类型处理逻辑不一致：

• 本地用pd.read_csv()读取文件时，pandas会自动识别列内容格式，把存纯数字的Alternate ID列转为整数类型，你将输入转为整数后匹配可以正常命中
• 通过Sheets API拉取到的values是原生二维列表，所有单元格内容都保留字符串格式，哪怕内容是纯数字也不会自动转类型。你拿整数类型的搜索值和字符串类型的列值做相等判断，pandas会直接返回False，导致匹配结果为空数组，后续取第0个元素时就触发index 0 is out of bounds for axis 0 with size 0报错。

另外还有个容易踩的隐藏坑：Sheets API返回行数据时，如果行尾单元格为空，会直接截断列表长度，比如某行Actual Cost列是空值，返回的列表长度会比定义的列数少1，构造DataFrame时对应位置会自动补NaN，不做处理也容易触发类型错误。

1. 构造DataFrame后，显式将需要匹配、计算的数字列转为对应数值类型，不依赖自动类型推断
2. 对匹配结果加非空判断，避免输入不存在的库存号时程序直接崩溃

修正后的核心代码段如下：

df = pd.DataFrame(values, columns = ['Location', 'Inv Status Code', 'Model #', 'Alternate ID', 'Serial #', 'Model Description', 'Actual Cost'])

# 显式转换数字列类型，异常值/空值统一填充默认值，避免转类型报错
df['Alternate ID'] = pd.to_numeric(df['Alternate ID'], errors='coerce').fillna(0).astype(int)
df['Actual Cost'] = pd.to_numeric(df['Actual Cost'], errors='coerce').fillna(0)

# 获取用户输入
searchAlt = int(input("Stock Number: ").lstrip("0"))
condition = int(input("Condition 1-10: "))

# 匹配前先判断结果是否存在
match_res = df.loc[df['Alternate ID'] == searchAlt, 'Actual Cost']
if match_res.empty:
    print(f"错误：未找到库存编号为{searchAlt}的对应记录，请检查输入")
    # 可在此处加退出逻辑，比如 exit()
else:
    costi = match_res.values[0]
    # 后续定价计算、标签生成逻辑写在这里

如果改完仍存在匹配问题，可以先执行print(df.dtypes)确认Alternate ID列的类型为int32/int64，再打印print(type(df['Alternate ID'].iloc[0]), type(searchAlt))确认两边值的类型一致，即可排除类型不匹配导致的匹配失败问题。

内容的提问来源于stack exchange，提问作者Shane Bowe