for i in range(adhesive_df.shape[1]): adhesive_df.iloc[0, i+1:i+5] = adhesive_df.iloc[0, i] i+=5 i怎么样才不会被重新赋值

在这个for循环中，变量i在每次迭代中都会被重新赋值，因为它是通过range函数生成的数列来迭代的。如果你希望在循环过程中保持变量i不变，可以使用其他变量名来迭代或者使用while循环来代替for循环。

比如，使用while循环来代替for循环，可以这样写：

i = 0
while i < adhesive_df.shape[1]:
    adhesive_df.iloc[0, i+1:i+5] = adhesive_df.iloc[0, i]
    i += 5

这个while循环的作用和上面的for循环是一样的，但是它使用了while语句和一个计数器变量i来控制循环的执行。在每次循环中，变量i都会增加5，从而保证了每次迭代中i的值都是固定的。

另外，如果你要在循环中对i进行赋值，可以使用其他变量名来代替i。比如：

for j in range(adhesive_df.shape[1]):
    adhesive_df.iloc[0, j+1:j+5] = adhesive_df.iloc[0, j]
    j += 5

这个for循环将会和上面的while循环产生相同的效果，但是它使用了变量j来迭代range函数生成的数列，而不是直接使用i。由于我们没有在循环体内部重新赋值j，所以j的值保持不变，而i的值则会根据j的变化而变化。

相关问题

for i in range(len(adhesive_df.shape[1])): adhesive_df.iloc[0, i+1:i+5] = adhesive_df.iloc[0, i] i+=5 i怎么样才不会被重新赋值

在这个for循环中，变量i在每次迭代中都会被重新赋值，因为它是通过range函数生成的数列来迭代的。如果你希望在循环过程中保持变量i不变，可以使用其他变量名来迭代或者使用while循环来代替for循环。

比如，使用while循环来代替for循环，可以这样写：

i = 0
while i < len(adhesive_df.shape[1]):
    adhesive_df.iloc[0, i+1:i+5] = adhesive_df.iloc[0, i]
    i += 5

这个while循环的作用和上面的for循环是一样的，但是它使用了while语句和一个计数器变量i来控制循环的执行。在每次循环中，变量i都会增加5，从而保证了每次迭代中i的值都是固定的。

另外，如果你要在循环中对i进行赋值，可以使用其他变量名来代替i。比如：

for j in range(len(adhesive_df.shape[1])):
    adhesive_df.iloc[0, j+1:j+5] = adhesive_df.iloc[0, j]
    j += 5

这个for循环将会和上面的while循环产生相同的效果，但是它使用了变量j来迭代range函数生成的数列，而不是直接使用i。由于我们没有在循环体内部重新赋值j，所以j的值保持不变，而i的值则会根据j的变化而变化。

for i, name in enumerate(table5_column_lst[1:]): table5.loc[i+1, name] = adhesive_df.loc[:, (adhesive_df.loc[0] == table5_column_lst[i]) & (adhesive_df.loc[1] == lst[i])] ValueError: Incompatible indexer with DataFrame

这个错误通常是因为尝试使用不兼容的索引器访问 Pandas DataFrame 数据而引起的。在这个代码片段中，`adhesive_df.loc[0]` 和 `adhesive_df.loc[1]` 似乎是在尝试访问 `adhesive_df` 的第 1 行和第 2 行。但是，这种索引方式可能不适用于 `adhesive_df`，因为这个 DataFrame 的索引可能是默认的整数索引，而不是 MultiIndex 对象。

如果您的目的只是从 `adhesive_df` 中选择特定的列，您可以尝试使用以下代码：

for i, name in enumerate(table5_column_lst[1:]):
    table5.loc[i+1, name] = adhesive_df[name][(adhesive_df.iloc[0] == table5_column_lst[i]) & (adhesive_df.iloc[1] == lst[i])].values

在这个代码中，我们使用了 `iloc` 属性来访问第一行和第二行，而使用列名 `name` 来获取需要的列。然后，我们使用布尔索引来选择需要的行。最后，我们使用 `.values` 将结果转换为 NumPy 数组，以便可以将其添加到 `table5` DataFrame。

如果这个方法不能解决问题，您可以提供更多的上下文和代码示例，以便我能够更好地理解问题。