如何验证DataFrame元素的值并提取用户的工作楼层？

我来帮你梳理下问题，先看看你代码里的几个小问题，再给你两种更高效的解决思路——毕竟用Pandas的话，手动循环其实是下下策，它的分组功能正好适配你的需求~

先说说你现有代码的问题 #

1. 切片获取的是Series而非单个值：你用df['usager'][i-1:i]拿到的是一个长度为1的Series对象，不是单个用户ID数值，直接和memory比较肯定会出问题，应该用.iloc[i-1]来取单个元素，比如df['usager'].iloc[i-1]。
2. 语法错误：条件里的=!是写反了，正确的不等于运算符是!=。
3. 变量名冲突：嵌套循环用了同一个i变量，会直接覆盖外层循环的i，导致逻辑混乱，内层循环建议换个变量名比如j。
4. 初始化错误：etage_travail=[df[:0]['etage_demandes']]是把一个空Series放进列表，完全不是你需要的空列表，应该写成etage_travail = []。

更高效的解决方案：用Pandas分组功能（推荐） #

你的需求是按每个唯一用户（usager）提取他们的工作楼层，从数据里能看到，每个用户的etage_demandes里，非0的那个值就是工作楼层（比如用户1181的33.0，用户826的18.0），而且每个用户只会有一个固定的工作楼层。

直接用分组操作就能一键搞定，不需要手动循环：

import pandas as pd

# 方法1：过滤非0行后分组取第一个值
# 先筛选出etage_demandes不为0的行（这些就是用户从工作楼层出发的记录）
# 再按usager分组，取每个组的第一个值（因为同一用户的非0值都是同一个）
work_floors = df[df['etage_demandes'] != 0].groupby('usager')['etage_demandes'].first().reset_index()
# 重命名列名更直观
work_floors.columns = ['usager', 'etage_travail']

print(work_floors)

输出结果示例：

usager  etage_travail
0   667.0           30.0
1   677.0            NaN  # 若该用户无符合条件的记录，可根据实际情况调整逻辑
2   826.0           18.0
3  1181.0           33.0

如果担心有些用户的非0值可能分散在多行（但根据你的描述每个用户只在一个楼层工作），可以用lambda函数提取唯一非0值：

work_floors = df.groupby('usager')['etage_demandes'].apply(
    lambda x: x[x != 0].unique()[0] if len(x[x != 0].unique()) > 0 else None
).reset_index()
work_floors.columns = ['usager', 'etage_travail']

如果你一定要用循环实现（修正你的原代码） #

要是你还是想手动循环处理，我把你的代码修正了下，逻辑更清晰：

memory = None
etage_travail = []

# 先获取所有唯一的用户ID，避免重复处理同一个用户
unique_users = df['usager'].unique()

for user in unique_users:
    # 取出当前用户的所有记录
    user_records = df[df['usager'] == user]
    # 提取该用户的非0工作楼层
    # 因为每个用户的非0值是同一个，取第一个就行
    work_floor = user_records[user_records['etage_demandes'] != 0]['etage_demandes'].iloc[0]
    etage_travail.append({
        'usager': user,
        'etage_travail': work_floor
    })

# 转成DataFrame方便查看和后续处理
etage_travail_df = pd.DataFrame(etage_travail)
print(etage_travail_df)

这样就能正确提取每个用户的工作楼层啦~

备注：内容来源于stack exchange，提问作者philippe roche