Rumah > pembangunan bahagian belakang > Tutorial Python > Bagaimana untuk Menyelesaikan \'KeyError\' Apabila Mengakses Lajur Pandas DataFrame?

Bagaimana untuk Menyelesaikan \'KeyError\' Apabila Mengakses Lajur Pandas DataFrame?

Patricia Arquette
Lepaskan: 2024-11-16 01:40:03
asal
1051 orang telah melayarinya

How to Resolve 'KeyError' When Accessing Pandas DataFrame Columns?

Ralat: panda hashtable keyerror

Apabila cuba mengakses lajur tertentu daripada DataFrame panda, anda mungkin menghadapi 'KeyError' jika nama lajur tidak terdapat dalam bingkai data. Ralat ini berlaku apabila nama lajur yang ditentukan tidak wujud dalam bingkai data.

Untuk menyelesaikan isu ini, adalah penting untuk mengesahkan bahawa nama lajur dieja dengan betul dan sepadan dengan nama lajur sebenar dalam bingkai data. Anda boleh menyemak nama lajur menggunakan atribut lajur bagi bingkai data, yang mengembalikan senarai semua nama lajur:

print(dataframe.columns.tolist())
Salin selepas log masuk

Satu lagi potensi punca ralat boleh menjadi ruang putih dalam nama lajur. Untuk menghapuskan ini, anda boleh menanggalkan aksara ruang putih daripada nama lajur menggunakan kaedah str.strip():

dataframe.columns = dataframe.columns.str.strip()
Salin selepas log masuk

Selain itu, semak sama ada data anda mempunyai pemisah yang betul. Jika data tidak dipisahkan dengan koma (lalai), anda boleh menentukan pemisah menggunakan parameter sep apabila membaca fail CSV:

dataframe = pd.read_csv("file.csv", sep=";")
Salin selepas log masuk

Dalam sesetengah kes, nama lajur bingkai data mungkin tidak ditakrifkan secara eksplisit , menghasilkan lajur yang tidak dinamakan. Anda boleh mengakses lajur sedemikian mengikut indeksnya menggunakan atribut indeks kerangka data:

print(dataframe.index)
Salin selepas log masuk

Jika isu itu berterusan selepas mencuba kaedah ini, pertimbangkan untuk menyiasat data itu sendiri untuk sebarang anomali yang mungkin menyebabkan ralat.

Atas ialah kandungan terperinci Bagaimana untuk Menyelesaikan \'KeyError\' Apabila Mengakses Lajur Pandas DataFrame?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan