如何更新DataFrame按索引末位分组求和并解决KeyError问题

错误原因 #

• 内层循环逻辑错误：for x in df[i]遍历的是列的实际数值，而非行索引，将数值作为索引取值df[i][x]自然触发KeyError
• 索引越界风险：即使修改为遍历索引，当索引≥1时，x+30等取值会超出原df 0-30的索引范围，同样会报错
• 原数据修改问题：直接在原df上赋值修改，会导致后续计算使用已被覆盖的错误值，最终结果不符合预期

解决方法 #

最优方案（推荐） #

直接使用pandas分组聚合能力，按索引末位（索引对10取模）分组求和，一行代码即可完成需求：

new_df = df.groupby(df.index % 10).sum()

该方法无需循环，自动完成同末位索引的行按列求和，最终输出的new_df索引为0-9，完全符合需求。

循环实现版本（如必须使用循环） #

提前初始化结果容器，避免修改原数据：

import pandas as pd
import numpy as np

# 初始化结构和原df匹配的结果表，索引为0-9
new_df = pd.DataFrame(np.zeros((10, df.shape[1])), columns=df.columns)
for idx in range(10):
    # 取出所有末位为idx的行求和赋值
    new_df.loc[idx] = df.loc[[idx, idx+10, idx+20, idx+30]].sum()

内容的提问来源于stack exchange，提问作者sgm1354