如何使用Pandas的df.at按条件选取DataFrame指定单元格的值？

兄弟，你的问题出在对df.at的用法理解上，咱们一步步来捋清楚怎么解决：

首先看你写的代码，df.at(df['Column A' == column_A_value]['Column B'])完全不符合df.at的调用规则——df.at需要行标签和列标签两个参数，是用方括号而非圆括号调用的（比如df.at[row_label, col_label]），你直接传了个Series进去肯定跑不通。那个临时方案的语法也有问题，根本没关联到目标DataFrame，自然拿不到正确的值。

下面给你几个靠谱的实现方式，完美适配你的循环场景：

方法1：用df.loc（最推荐，直观灵活） #

df.loc是处理这类条件筛选+取值需求的标准工具，能直接按条件定位行，再指定要取的列：

# 筛选Column A等于指定值的行，取出Column B的所有匹配值（返回Series类型）
matching_values = df.loc[df['Column A'] == column_A_value, 'Column B']

# 如果确定只有一行匹配，要单个值的话，加.iloc[0]即可
single_value = df.loc[df['Column A'] == column_A_value, 'Column B'].iloc[0]

方法2：用df.at（需先获取行索引） #

如果你坚持要用df.at，得先拿到符合条件的行的索引，再传入索引和列名：

# 获取匹配行的索引（假设只有一行匹配，取第一个索引）
row_idx = df[df['Column A'] == column_A_value].index[0]
# 用at精准定位单元格取值
single_value = df.at[row_idx, 'Column B']

适配你循环场景的完整代码 #

结合你要在循环里输出的需求，建议加个空值判断，避免没匹配到值时触发报错：

while condition:
    for val in some_column_A_values:
        # 先获取所有匹配的Column B值
        matches = df.loc[df['Column A'] == val, 'Column B']
        if not matches.empty:
            # 取第一个匹配值，若有多行匹配可循环处理所有值
            target_val = matches.iloc[0]
            print("{},{}".format('stuff', target_val), file=myfile)
        else:
            # 处理无匹配的情况，避免程序崩溃
            print("{},{}".format('stuff', '无匹配值'), file=myfile)

内容的提问来源于stack exchange，提问作者Zubo