循环内存储索引的列表自动转为NumPy数组引发报错该如何解决？

问题根因 #

1. 你当前贴出的代码片段中没有修改index_list类型的语句，结合你提供的内核代码截图可以判断，你实际运行的完整代码中存在漏写的赋值逻辑，比如误将df_loop.index.values这类numpy数组直接赋值给了index_list，而非调用追加类方法添加元素，导致index_list从list类型被覆盖为numpy数组。
2. 你异常捕获块中的insert方法调用错误：Python列表的insert方法需要传入两个参数（插入位置、插入值），你仅传入了一个值，哪怕index_list还是列表类型也会触发报错。

修复方案 #

方案1：修复现有循环逻辑 #

你可以直接用列表的extend方法批量追加匹配索引，避免循环单个添加，同时全程不会修改列表类型：

import pandas as pd
import numpy as np
data = pd.read_csv('./real_acct.txt', delimiter = "\t")
index_list = []

for col in data:
    # 查找当前列包含关键词的行
    match_mask = data[col].astype(str).str.contains("SOME VAL", na = False)
    match_indexes = data[match_mask].index.tolist()
    # 批量追加匹配的索引
    index_list.extend(match_indexes)

# 去重（同一行可能多列匹配关键词，避免重复索引）
index_list = list(sorted(set(index_list)))
print(index_list)

方案2：用pandas原生方法实现，性能更高 #

百万行级别数据用原生向量化操作比手动循环列效率高很多，少量代码就能实现全表搜索：

import pandas as pd
import numpy as np
data = pd.read_csv('./real_acct.txt', delimiter = "\t")
# 全表转字符串后按行判断是否存在关键词，直接获取匹配的索引列表
index_list = data[data.astype(str).apply(lambda x: x.str.contains('SOME VAL', na=False)).any(axis=1)].index.tolist()
print(index_list)

内容的提问来源于stack exchange，提问作者Joe Wolf