Pandas中使用.loc方法替换赋值时触发KeyError的问题咨询

嘿，这个问题我之前也碰到过！你遇到的错误是因为fomc_events里的两个日期——2020-03-15和2008-03-16——在spy_daily的索引里根本找不到，而现在Pandas已经不允许你通过.loc给不存在的标签赋值了，所以才抛出这个KeyError。

大概率这两个日期是周末或者股市休市的节假日，所以spy_daily里没有对应的交易数据，自然索引里就没有这些日期。要解决这个问题，有两种常见的思路：

思路一：只对存在的日期赋值 #

先筛选出fomc_events和spy_daily索引的交集，也就是两边都存在的日期，再进行赋值操作：

# 找出两个索引的共同日期
valid_dates = fomc_events.index.intersection(spy_daily.index)
# 仅对有效日期执行赋值
spy_daily.loc[valid_dates, "FOMC"] = spy_daily.loc[valid_dates, "days_since_fomc"]

这种方法会直接忽略那些在spy_daily里不存在的FOMC事件日期，适合你只关心有交易数据的事件日的场景。

思路二：扩展索引包含缺失日期 #

如果你想保留所有FOMC事件的日期（哪怕当天没有交易数据），可以先扩展spy_daily的索引，把缺失的日期加进去，再进行赋值：

# 合并两个索引，将缺失的日期添加到spy_daily中
spy_daily = spy_daily.reindex(spy_daily.index.union(fomc_events.index))
# 现在可以正常执行赋值操作了
spy_daily.loc[fomc_events.index, "FOMC"] = spy_daily.loc[fomc_events.index, "days_since_fomc"]
# 可选：处理新增行的缺失值，比如用前向填充、后向填充或者删除缺失行
# spy_daily = spy_daily.ffill()

这种方法会在spy_daily中新增那些休市日期的行，对应的交易数据会是NaN，你可以根据需求后续处理这些缺失值。

内容的提问来源于stack exchange，提问作者shantanuo