如何在无Positive分类时补0避免KeyError？Pandas数据处理

问题场景 #

我手头有一份企业环境影响数据集，已创建Impact_Category列：总环境影响值为正则标记为Positive，为负则标记为Negative。

按国家分析企业数据时，若某国同时存在两类企业，执行以下代码可正常生成统计表格：

usa_company_impcat = pd.crosstab(usa_company_filtered['Year'], usa_company_filtered['Impact_Category'])
usa_company_impcat['Total_Count'] = usa_company_impcat.loc[:,['Negative', 'Positive']].sum(axis = 1) # 添加总计列
usa_company_impcat = usa_company_impcat.rename_axis("Year").reset_index() # 重置Year列格式
usa_company_impcat

但当某国仅存在Negative类企业时，执行上述代码会报错：

KeyError: "['Positive'] not in index"

导致无法生成所需图表。

解决方法 #

通过新增值为0的Positive列即可修复问题，示例代码如下：

ROK_ind_impcat = pd.crosstab(ROK_industry['Year'], ROK_industry['Impact_Category'])
ROK_ind_impcat['Positive'] = 0 # 新增Positive列，值设为0，适配后续图表需求
ROK_ind_impcat['Total_Count'] = ROK_ind_impcat.loc[:,['Negative', 'Positive']].sum(axis = 1)
ROK_ind_impcat = ROK_ind_impcat.rename_axis("Year").reset_index() # 重置Year列格式
ROK_ind_impcat

内容的提问来源于stack exchange，提问作者Julianne Gibson