如何基于条件从旧DataFrame创建新DataFrame并解决遍历报错

首先明确报错的直接诱因：

• 代码中rows = df.loc[dc-1]取到的是旧DataFrame第一行的Series对象，rows.id是该行id字段的具体数值（类型为numpy.int64），不属于可迭代对象，直接用for x in rows.id遍历必然触发类型错误。
• 除此之外原有代码还存在多处逻辑错误：未正确初始化结构匹配的新DataFrame、字段名拼写错误（原表字段是name不是names）、索引遍历逻辑混乱、直接修改pandas对象容易触发链式赋值警告。

推荐优先使用pandas分组聚合方案，逻辑简洁执行效率高，完全匹配需求规则：

import psycopg2
import pandas as pd

# 数据库读取逻辑保持不变
conn = psycopg2.connect(host="<db_IP>",port=<DB_port>,dbname="dbname",user="postgres",password="Start123")
df = pd.read_sql('SELECT * FROM money_account;', conn)
conn.close()

# 自定义分组合并逻辑，完全匹配需求
def merge_name_group(group):
    # 同name所有行的balance总和就是最终的balance值
    total_balance = group['balance'].sum()
    # 优先取同组最后一个deleted=-1的行作为基准行，没有则取第一行
    deleted_rows = group[group['deleted'] == -1]
    base_row = deleted_rows.iloc[-1].copy() if not deleted_rows.empty else group.iloc[0].copy()
    # 替换balance为总和
    base_row['balance'] = total_balance
    return base_row

# 按name分组聚合得到最终结果
new_df = df.groupby('name', as_index=False).apply(merge_name_group).reset_index(drop=True)
print(new_df)

如果需要和需求规则逐行对应的循环实现（仅适合小数据量场景），可以用以下代码：

# 逐行循环实现（小数据量可用）
new_df = pd.DataFrame(columns=df.columns)

for _, old_row in df.iterrows():
    current_name = old_row['name']
    # 检查name是否已存在于新表
    exist_index = new_df[new_df['name'] == current_name].index
    if len(exist_index) == 0:
        # 不存在直接添加行
        new_df = pd.concat([new_df, old_row.to_frame().T], ignore_index=True)
    else:
        target_idx = exist_index[0]
        if old_row['deleted'] != -1:
            # 非删除行直接累加balance
            new_df.at[target_idx, 'balance'] += old_row['balance']
        else:
            # 删除行先暂存原有balance，替换行后再累加
            temp_bal = new_df.at[target_idx, 'balance']
            new_df.loc[target_idx] = old_row
            new_df.at[target_idx, 'balance'] += temp_bal

内容的提问来源于stack exchange，提问作者Marcelo Costa