Python &引用；索引器：位置索引器超出范围”；当他们'；显然不是

下面是我正在使用的一些代码的MWE。我通过切片和一些条件慢慢地缩减初始数据帧，直到我只有所需的行。每一块五行实际上代表一个不同的对象，因此，当我缩减内容时，如果每一块五行中的任何一行符合条件，我希望保留它--这就是keep.index上的循环所完成的。不管怎样，当我完成后，我可以看到我想要的最终索引存在，但我得到一条错误消息，说“indexer-ror:positional indexer-out-bounds.”这里发生了什么

import pandas as pd
import numpy as np

temp = np.random.rand(100,5)

df = pd.DataFrame(temp, columns=['First', 'Second', 'Third', 'Fourth', 'Fifth'])

df_cut = df.iloc[10:]

keep = df_cut.loc[(df_cut['First'] < 0.5) & (df_cut['Second'] <= 0.6)]

new_indices_to_use = []
for item in keep.index:
    remainder = (item % 5)
    add = np.arange(0-remainder,5-remainder,1)
    inds_to_use = item + add
    new_indices_to_use.append(inds_to_use)

new_indices_to_use = [ind for sublist in new_indices_to_use for ind in sublist]
final_indices_to_use = []
for item in new_indices_to_use:
    if item not in final_indices_to_use:
        final_indices_to_use.append(item)

final = df_cut.iloc[final_indices_to_use]

将熊猫作为pd导入
将numpy作为np导入
温度=np.随机兰特（100,5）
df=pd.DataFrame（临时，列=['First'、'Second'、'Third'、'Fourth'、'Fifth']）
df_cut=df.iloc[10:]
保持=df_-cut.loc[（df_-cut[‘第一’]<0.5）和（df_-cut[‘第二’]，来自熊猫公司的文档（重点矿山）：

Pandas提供了一套方法来获得纯粹基于整数的索引。语义紧跟python和numpy切片。这些是基于0的索引

你试图通过标签来使用它，这意味着你需要

从你的例子来看：

>>>print df_cut.iloc[89]
...
Name: 99, dtype: float64

>>>print df_cut.loc[89]
...
Name: 89, dtype: float64

您是否尝试过打印
最终索引以供使用
并验证它是否符合您的想法？在您的示例中，我得到
[10,11，…，98,99]
和
len（df\u cut）
给出了
90
。我不确定是否投票以打字错误结束，但在我看来，你应该使用
。loc
而不是
。iloc
在你的最后一行--
。iloc
用于位置访问，但你需要基于标签的访问。嗯，在我的MWE中，将其更改为。loc确实解决了问题。我必须这样做检查它在我的实际代码中是否有效——我可以发誓我已经试过了。为什么.iloc不在这里？这些是索引，.iloc的描述说它接受一个索引列表。另外，如果我使用相反的条件，然后执行final=df_cut.drop（df_cut.index[final_index_to_use]），我得到了同样的错误。因为
df_cut
的长度为90；高于
89
的索引将给出一个
索引器。多年后，来自其他人：谢谢。