使用pandas iloc时报IndexingError: Too many indexers错误如何解决

报错根因 #

你当前代码的核心问题是遍历的对象data是存储节点对的元组列表，每次迭代得到的i是类似(1160, 2399)的二元组，你直接将这个二元组传给iloc作为索引会触发报错：

• iloc是pandas的整数位置索引器，仅支持传入整数、整数列表、切片等一维整数类索引值
• df1['mean_travel_time']是一维Series，你传入二元组时pandas会认为你要对两个维度做索引，维度不匹配就会抛出Too many indexers的索引错误。

修复方案 #

首先确认你的DataFrame df1中存在分别对应源节点、目标节点的两列（以下示例假设列名为source和target，请替换为你实际的列名），可以选择以下两种方法实现：

方法1：复合索引快速映射（效率更高，适合数据量大的场景） #

先将source和target设置为复合索引，直接按节点对元组取值：

# 设置源节点、目标节点为复合索引
df_indexed = df1.set_index(['source', 'target'])
# 直接推导生成目标字典
data_dict = {edge: df_indexed.loc[edge, 'mean_travel_time'] for edge in data}

方法2：逐行过滤匹配（兼容性更强，适合存在缺失边的场景） #

如果部分节点对可能不存在于df1中，可以逐次过滤匹配避免KeyError：

data_dict = {}
for src, tgt in data:
    # 匹配对应源节点、目标节点的行
    match_mask = (df1['source'] == src) & (df1['target'] == tgt)
    if not df1[match_mask].empty:
        # 取匹配到的第一行的mean_travel_time值
        data_dict[(src, tgt)] = df1.loc[match_mask, 'mean_travel_time'].iloc[0]

内容的提问来源于stack exchange，提问作者Akshat