当你使用shift时，你不需要循环，操作是向量化的，并为你做：

df['matches?'] = df['num'].shift(-1)==df['num']

输出：

num    matches?
0   1      False
1   2      True
2   2      False
3   3      False
4   4      False
5   5      False
6   6      False

编辑

如果你想保持循环逻辑：

for ix, row in df.iterrows():
    if ix < len(df)-1:
        if df.loc[ix, 'num'] == df.loc[ix+1, 'num']:
            df.loc[ix, 'matches?'] = True
        else:
            df.loc[ix, 'matches?'] = False
    else: #last observation
        df.loc[ix, 'matches?'] = False

输出：

num    matches?
0   1      False
1   2      True
2   2      False
3   3      False
4   4      False
5   5      False
6   6      False

当您处理数值时，可以使用diff在两行之间进行计算，请参阅下面的代码

df['matches?'] = df['num'].diff(-1).eq(0)  #eq means equal to

保持for循环不变。你可以试试这个

i=0
for i in range(0,len(df)-1):
    if df['num'][i] == df['num'][i+1]:
        df['matches?'][i] = "T"
    else:
        df['matches?'][i] = "F"

您应该遍历len(df)-1，因为当循环到达最后一行时，在它之后将没有什么可比较的。它会在那里抛出索引错误。

输出

+-----+----------+
| num | matches? |
+-----+----------+
|   1 | F        |
|   2 | T        |
|   2 | F        |
|   3 | F        |
|   4 | F        |
|   5 | F        |
|   6 | F        |
+-----+----------+

您也可以添加elif和实现打破逻辑3节如下所述

df['matches?'] = ''

for i in range(0,len(df['num'])):
    if i+1==len(df['num']):
       df['matches?'][i] = False
    elif df['num'][i] == df['num'][i+1]:
       df['matches?'][i] = True
    else:
       df['matches?'][i] = False