使用reset_index创建新索引时触发KeyError的问题求助

场景与代码 #

现有结构如下的DataFrame（实际包含更多列）：

Client ID   Fulfilled date
0   309032  2017-05-04
1   309032  2017-06-29
3   331793  2017-07-19
5   319659  2017-05-11
6   321682  2017-05-16

想要创建is_first_time列标记客户首次访问，编写了如下代码：

def first_time_visitor(self):
    # 创建副本并按客户ID和日期排序
    temp_df = self.df.copy()
    temp_df.reset_index(inplace=True) # 试图生成index列用于后续排序
    temp_df.sort_values(['Client ID', 'Fulfilled date'], inplace=True)
    # 标记每个客户ID的首次出现
    temp_df['is_first_time'] = ~temp_df['Client ID'].duplicated(keep='first')

    # 布尔值转整数
    temp_df['is_first_time'] = temp_df['is_first_time'].astype(int)
    temp_df = temp_df.sort_values("index")

执行以下代码时触发错误：

self.df['is_first_time'] = temp_df['is_first_time']

错误信息：

KeyError: 'index'

错误原因 #

调用reset_index(inplace=True)时，默认生成的列名为index，但如果原DataFrame本身存在同名列，或后续操作中该列被意外覆盖/删除，就会导致排序时找不到目标列。此外，原代码的索引对齐逻辑过于繁琐，反而容易引发问题。

修正方案 #

方案1：修复原代码的索引冲突问题 #

重置索引时指定自定义列名，避免和现有列冲突：

def first_time_visitor(self):
    temp_df = self.df.copy()
    # 重置索引时指定列名，避免冲突
    temp_df.reset_index(inplace=True, names='original_index')
    temp_df.sort_values(['Client ID', 'Fulfilled date'], inplace=True)
    
    temp_df['is_first_time'] = ~temp_df['Client ID'].duplicated(keep='first').astype(int)
    
    # 按原索引排序后映射回原DataFrame
    temp_df = temp_df.sort_values("original_index")
    self.df['is_first_time'] = temp_df['is_first_time']

方案2：更简洁的实现（无需手动处理索引对齐） #

利用groupby+transform直接在原DataFrame生成标记列，省去索引对齐步骤：

def first_time_visitor(self):
    # 按客户ID分组，标记每组最早日期为首次访问
    self.df['is_first_time'] = (
        self.df.groupby('Client ID')['Fulfilled date']
        .transform(lambda x: x == x.min())
        .astype(int)
    )

或用排序+duplicated直接赋值：

def first_time_visitor(self):
    # 先按客户ID和日期排序，标记首次记录
    sorted_df = self.df.sort_values(['Client ID', 'Fulfilled date'])
    sorted_df['is_first_time'] = ~sorted_df['Client ID'].duplicated(keep='first').astype(int)
    # 按原索引排序后赋值回原DataFrame
    self.df['is_first_time'] = sorted_df.sort_index()['is_first_time']

说明 #

• 方案2无需手动处理索引，利用Pandas的索引机制自动匹配，代码更简洁高效。
• duplicated(keep='first')会标记除首次出现外的重复项，取反后即为首次访问标记，转为整数后1表示首次，0表示非首次。

内容的提问来源于stack exchange，提问作者elksie5000