Python df.loc不适用于变量

我对Python相当陌生，尤其是熊猫。我有一个名为KeyRow的数据帧，它来自一个更大的df：

KeyRow=df.loc[df['Order'] == UniqueOrderName[i]]

然后我做一个嵌套循环

范围（0，len（PersonNum））中的i的

：
打印（KeyRow.loc[KeyRow['roach']='6'，'FixedPill']）

因此，它似乎只在放置常量时起作用，而如果我使用PersonNum[0]而不是“6”，即使这两个值相等，它似乎也不起作用。当我使用PersonNum[I]时，这是我得到的输出：

Series([], Name: FixedPill, dtype: object)

然而，如果我使用“x”，我会得到期望的结果：

15    5
Name: FixedPill, dtype: object

---

提前感谢您的帮助。

现在还不清楚您想通过这些问题实现什么目的。如果您希望过滤数据帧，那么我建议永远不要以迭代的方式进行过滤。您应该充分利用

.loc

的切片功能。考虑这个例子：

df = pd.DataFrame([[1,2,3], [4,5,6],
                   [1,2,3], [2,5,6],
                   [1,2,3], [4,5,6],
                   [1,2,3], [4,5,6]], 
                  columns=["A", "B", "C"])
df.head()

    A   B   C
0   1   2   3
1   4   5   6
2   1   2   3
3   2   5   6
4   1   2   3

假设您有一个PersonNum列表，您想使用它来定位特定字段，其中您的列表是

PersonNum=[1,2]

。通过执行以下操作，可以一步分割数据帧：

df.loc[df["A"].isin(PersonNum), "B"]

这将返回熊猫系列和

df.loc[df["A"].isin(PersonNum), "B"].to_frame()

---

返回一个新的数据帧。使用

.loc

比迭代方法要快得多。

不太清楚你想用这个问题完成什么。如果您希望过滤数据帧，那么我建议永远不要以迭代的方式进行过滤。您应该充分利用

.loc

的切片功能。考虑这个例子：

df = pd.DataFrame([[1,2,3], [4,5,6],
                   [1,2,3], [2,5,6],
                   [1,2,3], [4,5,6],
                   [1,2,3], [4,5,6]], 
                  columns=["A", "B", "C"])
df.head()

    A   B   C
0   1   2   3
1   4   5   6
2   1   2   3
3   2   5   6
4   1   2   3

假设您有一个PersonNum列表，您想使用它来定位特定字段，其中您的列表是

PersonNum=[1,2]

。通过执行以下操作，可以一步分割数据帧：

df.loc[df["A"].isin(PersonNum), "B"]

这将返回熊猫系列和

df.loc[df["A"].isin(PersonNum), "B"].to_frame()

---

返回一个新的数据帧。使用

.loc

比迭代方法快得多。

首先，

范围（0，len（PersonNum））

返回

int

，而

'6'

是一个字符串，因此您可能会看到

类型错误：无效的类型比较

。这解决了问题。我把PersonNum做成了一根绳子。谢谢你！对于初学者来说，

range（0，len（PersonNum））

正在返回

int

，而

'6'

是一个字符串，因此您可能会看到

TypeError:invalid type comparison

。这解决了问题。我把PersonNum做成了一根绳子。谢谢你！