Python中如何匹配DataFrame行号与列值 解决索引越界问题

local_max仅包含1032个元素，你的循环逻辑中用行号i直接作为下标取local_max[i]，当i大于等于1032时就会触发索引越界错误。同时你的判断逻辑本身也不符合需求：你要匹配的是「行号是否在local_max列表内」，而非「行号等于local_max对应下标的值」。

用numpy+pandas的向量化操作实现，时间复杂度低，无需循环：

import numpy as np

# 初始化全为0的等长数组
max_array = np.zeros(len(df), dtype=df.x.dtype)
# 给local_max指定的行位置赋值对应df.x的值
max_array[local_max] = df.x.loc[local_max].to_numpy()

如果需要输出Python列表格式，末尾添加max_array = max_array.tolist()即可。

如果要保留循环写法，需要调整判断逻辑，同时把local_max转成集合提升存在判断的效率：

max_array = []
local_max_set = set(local_max)
for i in range(len(df)):
    max_array.append(df.x[i] if i in local_max_set else 0)

内容的提问来源于stack exchange，提问作者stanvooz