Pandas：基于条件删除行遇循环报错，求正确实现方案

兄弟，你的代码逻辑有几个明显的问题，直接导致了报错和功能失效，我给你拆解下：

• 你用嵌套循环遍历df.x和df.y的所有值组合，这完全不是逐行判断x和y关系的逻辑啊！比如5行数据会跑25次循环，完全对应不上每一行的x和y值。
• df.drop(df.iloc[num1])里的num1是x列的数值（1-3），不是行的位置索引！比如x列某行值是1，iloc[1]取的是第二行（iloc从0开始计数），这和你当前判断的行根本不沾边；加上循环中用inplace=True修改DataFrame，会导致后续索引混乱，出现你看到的“标签不存在”错误。

正确的做法（高效且简洁） #

Pandas最擅长矢量化操作，根本不需要循环逐行处理，直接用布尔索引就能搞定：

方法1：直接筛选保留符合条件的行（推荐）

生成布尔序列，筛选出x >= y的行重新赋值给df：

import pandas as pd
# 示例DataFrame
df = pd.DataFrame({'x': [1,2,3,1,2], 'y': [3,1,2,2,3]})
# 保留x >= y的行
df = df[df.x >= df.y]

执行后df会变成：

方法2：原地删除不符合条件的行

如果不想重新赋值，想用原地修改的方式，可先找到x < y的行索引再删除：

df.drop(df[df.x < df.y].index, inplace=True)

这个方法和上面的效果完全一致，只是用drop配合索引实现原地修改。

为什么这些方法更好？ #

• 矢量化操作比循环效率高得多，数据量越大差距越明显。
• 逻辑清晰直接，完全对应逐行判断x和y的关系，不会出现循环中的索引混乱问题。

内容的提问来源于stack exchange，提问作者mjoy