如何删除Pandas DataFrame中每行嵌套列表的最后一个元素

你的遍历代码报错的核心原因是df.iterrows()每次迭代返回的是**(行索引, 该行对应的Series对象)**的二元元组，你没有对元组做拆包，直接把整个元组作为行标签传给df.loc[]，pandas无法把包含Series的元组识别为合法的行索引，因此抛出TypeError: unhashable type: 'Series'错误。你之前单行代码df.loc[0, 'Activities'].pop()能正常运行，正是因为传入了明确的合法行索引0，可以准确定位到目标单元格的列表对象。

推荐方案：apply向量化处理（无显式遍历，效率最高） #

不需要手写循环，直接对Activities列的每个列表做切片去掉最后一位即可，代码简洁且运行效率远高于显式遍历：

df["Activities"] = df["Activities"].apply(lambda lst: lst[:-1])

处理后得到的结果符合预期：

CaseID               Activities
0       0            [10, 16, 577]
1       1       [355, 10, 16, 577]
2       2      [355, 578, 578, 16]
3       3      [355, 12, 546, 438]
4       4       [577, 180, 12, 79]

修正后的遍历写法 #

如果你一定要用循环+pop()原地修改的逻辑，只需要正确拆包iterrows()返回的元组，拿到每行的索引即可：

# 拆包为idx（行索引）和row（行数据）两个变量
for idx, row in df.iterrows():
    df.loc[idx, "Activities"].pop()

注意：pop()是列表的原地修改方法，执行后不需要重新赋值，会直接修改原DataFrame中存储的列表对象。但这种显式遍历的方式在数据量较大时运行速度会明显慢于apply方案，非必要不推荐使用。

内容的提问来源于stack exchange，提问作者Andre Link