Pandas按prisoner_type合并多列出现死循环与赋值报错求解

云原生阿岚

2026-8-30

问题描述

首次在此提问，多日反复尝试未找到目标需求的最优实现方案，恳请大家提供帮助。
当前正在处理囚犯及判决相关调研数据：数据中prisoner_type列存储囚犯调研分类，每个囚犯类型对应5个记录罪名信息的列（并非所有列都会被使用）。需求为将不同囚犯类型对应的多组罪名列折叠合并为统一的5个罪名编码列+5个罪名类型列，添加到数据集后，每行仅需访问这10个新列即可获取对应罪名信息。
已构建字典存储每个囚犯类型对应的罪名编码、罪名类型源列名映射，外层字典键为囚犯类型，简化版本如下：

offense_variables= 
{  3: {'codes':{1:'V0114',2:'V0115',3:'V0116',4:'V0117',5:'V0118'},
      'off_types':{1:'V0124',2:'V0125',3:'V0126',4:'V0127',5:'V0128'}},
   8: {'codes':{1:'V0270',2:'V0271',3:'V0272',4:'V0273',5:'V0274'},
       'off_types': {1:'V0280',2:'V0281',3:'V0282',4:'V0283',5:'V0285'}}
}

最初实现思路为：

创建10个新列：offense_1...offense_5和type_1...type_5
使用pandas定位指定囚犯类型对应的所有行
对照字典查询该囚犯类型下每个序号对应的罪名存储列名，将对应列的值赋值给新列

运行时出现两个问题：

代码运行后无法终止，不清楚死循环原因
抛出报错："A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead"

原有问题代码：

pris_types=[3,8]

for pt in pris_types:
  # 调研中共记录5项罪名，因此需要5列存储罪名编码、5列存储罪名类型
  # 1和2仅为占位值    
  for item in [i+1 for i in range(5)]:
    dataset[f'off_{item}_code']='1'
    dataset[f'off_{item}_type']='2'
  
  # 使用.loc获取当前囚犯类型对应的行索引
  # 通过上述字典查询需要取值的源列名
  for item in [i+1 for i in range(5)]:                
    dataset.loc[dataset['prisoner_type'] == pt, \
    dataset[f'off_{item}_code']] = \
    dataset[offense_variables[pt]['codes'][item]]
    
    dataset.loc[dataset[prisoner_type] == pt, \
    dataset[f'off_{item}_type']] = \
    dataset[offense_variables[pt]['types'][item]]

错误原因与修正方案

代码共有5处核心问题，直接导致运行异常：

.loc索引参数错误：.loc第二个参数需要直接传入列名，原代码传入dataset[f'off_{item}_code']（整列Series），pandas会将Series值作为列名匹配，触发无意义的全量索引遍历，导致程序卡死
字典键名不匹配：定义字典时罪名类型对应的键为off_types，代码中误写为types，会触发KeyError
列引用语法错误：第二处行筛选时dataset[prisoner_type]未给prisoner_type加引号，会被识别为未定义变量，触发NameError
新列初始化逻辑冗余：循环每个囚犯类型时都重复重置新列值为占位符，会覆盖之前循环的赋值结果
赋值逻辑不规范：右侧直接传入全量列数据，容易触发SettingWithCopy警告

修正后可直接运行的代码：

import numpy as np

# 提前一次性初始化10个新列，用空值填充即可，无需占位符
for item in range(1, 6):
    dataset[f'off_{item}_code'] = np.nan
    dataset[f'off_{item}_type'] = np.nan

pris_types = [3, 8]
for pt in pris_types:
    # 提前生成当前囚犯类型的行筛选掩码，避免重复计算
    row_filter = dataset['prisoner_type'] == pt
    for item in range(1, 6):
        # 从映射字典取对应源列名
        source_code_col = offense_variables[pt]['codes'][item]
        source_type_col = offense_variables[pt]['off_types'][item]
        # 仅对筛选出的行做赋值，左右两侧用相同筛选逻辑，避免警告和索引错位
        dataset.loc[row_filter, f'off_{item}_code'] = dataset.loc[row_filter, source_code_col]
        dataset.loc[row_filter, f'off_{item}_type'] = dataset.loc[row_filter, source_type_col]

扩展提示：如果后续新增其他囚犯类型，只需将对应类型的列映射补充到offense_variables字典，同时将类型值加入pris_types列表即可，无需修改核心循环逻辑。

内容的提问来源于stack exchange，提问作者SecondStar