Kaggle数据集Pandas代码报错KeyError：无法识别'Sex'列

问题排查和修复步骤 #

• 移除features里的'ID'
  读取数据时你指定了index_col='ID'，这会把ID设为DataFrame的索引，不再是普通数据列。features列表里保留'ID'会导致X = df[features]报错，先把它删掉。

• 确认列名完全一致
  运行print(df.columns.tolist())输出所有实际列名，检查'Sex'的写法和你代码里的是否完全匹配——比如有没有前后空格、大小写差异（比如'SEX'或' Sex'）。如果列名带空格，要么重命名列，要么代码里用带空格的列名（比如df[' Sex']）。

• 修正特征与目标变量的逻辑
  你现在把'Sex'当预测目标Y，同时又把它放进特征X里，这属于用目标变量自己做特征，逻辑完全错误。建议换一个合理的目标变量，比如预测睡眠障碍（'Sleep_Disorder'），同时把'Sex'从features中移除（如果用它做特征，就不能当目标）。

• 检查映射后的缺失值
  映射操作如果遇到字典里没有的取值，会生成NaN，后续模型训练可能出问题。执行以下代码检查：

  print(df['Sex'].isna().sum())
  print(df['Occupation'].isna().sum())
  

  如果有NaN，要么补充字典的键值对覆盖所有可能取值，要么用fillna填充未知值，比如：

  df['Sex'] = df['Sex'].map(a).fillna(-1)
  

修正后的代码示例 #

import pandas
from sklearn import tree
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt

# 读取数据，ID设为索引
df = pandas.read_csv("Data.csv", sep=";", index_col='ID')

# 修正features：移除ID，不包含目标变量
features = ['Age','Occupation','Sleep_Duration','Quality_of_Sleep','Physical_Activity_Level','Stress_Level','BMI_Category','Systolic_Blood_Pressure','Diastolic_Blood_Pressure','Heart_Rate','Daily_Steps']
# 目标变量改为睡眠障碍（可根据需求调整）
target = 'Sleep_Disorder'

# 先确认列名是否正确
print("当前数据列名：", df.columns.tolist())

# 映射分类变量，同时处理缺失值
gender_map = {'Male': 1, 'Female': 0}
df['Sex'] = df['Sex'].map(gender_map).fillna(-1)

occupation_map = {'Nurse': 0, 'Software Engineer': 1, 'Doctor': 2, 'Sales Representative': 3, 'Teacher': 4, 'Engineer': 5, 'Accountant': 6, 'Scientist': 7, 'Lawyer': 8, 'Salesperson': 9, 'Manager': 10}
df['Occupation'] = df['Occupation'].map(occupation_map).fillna(-1)

bmi_map = {'Normal': 1, 'Overweight': 0, 'Obese': 2}
df['BMI_Category'] = df['BMI_Category'].map(bmi_map).fillna(-1)

sleep_disorder_map = {'None': 0, 'Sleep_Apnea': 1, 'Insomnia': 2}
df[target] = df[target].map(sleep_disorder_map).fillna(-1)

# 准备特征和目标变量
X = df[features]
Y = df[target]

# 训练决策树并绘图
dtree = DecisionTreeClassifier()
dtree.fit(X, Y)

tree.plot_tree(dtree, feature_names=features)
plt.show()  # 显示决策树图像

内容的提问来源于stack exchange，提问作者Skalar