如何对删除NA值后的DataFrame重新索引以避免索引错误？

你遇到的这个问题太常见了——删掉缺失值后，DataFrame的索引还保留着原始的非连续序列，这就导致你用range(df.shape[0])循环时，会试图访问那些已经被删掉的索引（比如原数据里的5、6），自然就触发索引错误了。

最优解决方案：reset_index()方法 #

Pandas专门提供了reset_index()来处理这种场景，能直接把索引重置为从0开始的连续整数，完美匹配你的需求。

完整示例代码

假设你的DataFrame名为df，执行以下两步操作：

# 第一步：删除所有包含NA的行
df = df.dropna()
# 第二步：重置索引，drop=True表示丢弃旧索引（不把它转为新列）
df = df.reset_index(drop=True)

执行后你的DataFrame就会变成想要的样子：

0  val1
1  val2
2  val3
3  val3
4  val4
5  val7

为什么这是最优解？ #

• 这是Pandas原生的索引处理方法，代码简洁且效率极高
• drop=True参数能避免额外生成一个存储旧索引的列，保持数据结构整洁
• 重置后的连续索引能彻底解决后续迭代时的索引错误问题，不管你用range循环还是其他迭代方式都能正常工作

额外建议：更优雅的迭代方式 #

其实你完全可以不用手动通过索引范围来循环，Pandas推荐使用iterrows()或者itertuples()来遍历行，就算索引不连续也不会出错：

for idx, row in df.iterrows():
    # 处理行数据，idx是当前行的索引，row是行对象
    target_value = row['colname']

但如果你的业务逻辑必须依赖从0开始的连续索引，那reset_index(drop=True)依然是最直接的解决方案。

内容的提问来源于stack exchange，提问作者More Than Five