遍历DataFrame时如何判断当前SKU列值是否存在于之前的行中

问题根因 #

代码不生效主要来自两个典型的pandas使用误区：

• in 运算符作用于Series对象时，默认校验的是元素是否在Series的索引列表中，而非Series的取值列表，这是最核心的错误原因
• 切片范围不符合预期：pandas位置切片遵循左闭右开规则，你写的df['SKU'][:i-1]无法覆盖所有前i-1行，要取索引0到i-1的所有前置行，切片应该写为df['SKU'][:i]

遍历写法的修复方案 #

如果必须保留遍历逻辑，修改为如下代码即可正常运行：

if df['SKU'].iloc[i] not in df['SKU'].iloc[:i].values:

修改说明：

• 用.iloc明确按位置取值，避免DataFrame自定义索引时的取值错误
• 追加.values将前置行的SKU列转为numpy数组，此时in运算符会正常校验元素是否在取值列表中
• 切片调整为.iloc[:i]，刚好覆盖当前行之前的所有行

更优的无遍历实现（推荐） #

你要实现的SKU重复校验需求，pandas有内置方法可以直接完成，完全不需要循环遍历，性能远高于手动遍历：

# 新增标记列：值为True代表当前SKU在之前的行已经出现过，False代表首次出现
df['sku_is_duplicated'] = df['SKU'].duplicated()

后续要判断当前行SKU是否首次出现，直接取标记列的反值即可：

if not df['sku_is_duplicated'].iloc[i]:
    # 你的业务逻辑

内容的提问来源于stack exchange，提问作者Gustavo Moreno