pandas单一位置索引器越界

基础概念

Pandas 是一个用于数据操作和分析的 Python 库，提供了 DataFrame 和 Series 等数据结构。单一位置索引器（iloc）是 Pandas 中用于基于整数位置的索引方法。它允许你通过行和列的整数位置来访问数据。

越界问题

当使用 iloc 进行索引时，如果指定的行或列位置超出了 DataFrame 或 Series 的实际范围，就会发生越界错误（IndexError）。

原因分析

行索引越界：指定的行号大于或等于 DataFrame 的总行数。
列索引越界：指定的列号大于或等于 DataFrame 的总列数。

解决方法

1. 检查索引范围

在使用 iloc 之前，先检查索引是否在有效范围内。

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 获取 DataFrame 的形状
num_rows, num_cols = df.shape

# 示例：安全的 iloc 访问
row_index = 2
col_index = 1

if 0 <= row_index < num_rows and 0 <= col_index < num_cols:
    value = df.iloc[row_index, col_index]
    print(f"Value at ({row_index}, {col_index}): {value}")
else:
    print("Index out of bounds")

2. 使用 try-except 捕获异常

通过异常处理机制捕获越界错误，并进行相应的处理。

try:
    value = df.iloc[3, 1]  # 这里故意越界
except IndexError as e:
    print(f"Error: {e}")

3. 动态调整索引

如果索引是动态生成的，可以在访问前进行边界检查并调整。

def safe_iloc(df, row_index, col_index):
    if 0 <= row_index < df.shape[0] and 0 <= col_index < df.shape[1]:
        return df.iloc[row_index, col_index]
    else:
        return None  # 或者返回一个默认值

value = safe_iloc(df, 3, 1)
if value is None:
    print("Index out of bounds")
else:
    print(f"Value at (3, 1): {value}")