如何通过循环基于多组索引列表选取pandas DataFrame对应行

核心逻辑是先把分散的多组索引列表归集到可遍历的容器（列表/字典）中，循环时每次取出一组索引，用pandas原生的行选择语法筛选子集，再在循环内执行你的自定义处理逻辑即可。

基础实现（无分组标识场景） #

把所有索引列表按顺序存入一个大列表，直接遍历即可，适合不需要标记当前索引组名称的场景：

import pandas as pd

# 原数据与索引定义
data_ = {'Number_a': [12, 13, 14,15,16,17],'Number_b':[11,11,11,12,12,12],'Number_c': [10,5,4,3,2,1]}
data = pd.DataFrame(data=data_)

idx1= [0,2,4]
idx2=[1,3,5]
idx3 = []  # 替换为你的第三组索引内容

# 归集所有待使用的索引列表，后续新增索引组直接追加到这个列表里即可
all_idx_groups = [idx1, idx2, idx3]

# 循环处理
for round_num, current_idx in enumerate(all_idx_groups, start=1):
    # 筛选对应行：如果索引存的是显式索引值用.loc，如果是行位置序号用.iloc
    sub_df = data.loc[current_idx].copy()
    # 以下写循环内的自定义处理逻辑即可
    print(f"第{round_num}轮筛选结果：")
    print(sub_df)
    # 示例：process_func1(sub_df)、process_func2(sub_df) ...

带分组标识的实现 #

如果需要在处理时明确当前对应的索引组名称（比如做结果标记、日志输出），可以用字典存储索引组名和对应索引列表的映射关系：

# 按组名归集索引
idx_group_map = {
    "奇数位置行索引": idx1,
    "偶数位置行索引": idx2,
    "第三组自定义索引": idx3
}

for group_name, current_idx in idx_group_map.items():
    sub_df = data.loc[current_idx].copy()
    print(f"当前处理分组：{group_name}")
    # 自定义处理逻辑

注意事项 #

• 索引匹配规则：如果你的索引列表里存的是DataFrame的显式索引值（比如给df设过name、id类的非0起始索引），用data.loc[索引列表]选行；如果存的是从上到下的行位置序号（0、1、2...），用data.iloc[索引列表]选行，避免匹配错误。
• 筛选子集后如果要做赋值、修改操作，务必加.copy()，否则会触发pandas的SettingWithCopyWarning，还可能出现修改子集时意外改动原DataFrame数据的问题。

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