如何解决pandas中get_dummies()的KeyError错误？

问题描述 #

我尝试将分类数据转换为数值型，使用了以下代码：

import pandas as pd

cars = pd.read_csv("caterogical data.csv")
ohe_cars = pd.get_dummies(cars[['Car']])

print(ohe_cars.to_string())

整理数据后仍报错，错误信息如下：

Traceback (most recent call last):
 PS C:\Users\BAGAS Laptop> & "C:/Users/BAGAS Laptop/AppData/Local/Programs/Python/Python311/python.exe" "e:/BELAJAR CODING/Belajar coding2023/.vscode/python machine learning6"
Traceback (most recent call last):
  File "e:\BELAJAR CODING\Belajar coding2023\.vscode\python machine learning6", line 139, in <module>
    ohe_cars = pd.get_dummies(cars[['Car']])
                              ~~~~^^^^^^^^^
  File "C:\Users\BAGAS Laptop\AppData\Local\Programs\Python\Python311\Lib\site-packages\pandas\core\frame.py", line 3767, in __getitem__
    indexer = self.columns._get_indexer_strict(key, "columns")[1]
              ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Users\BAGAS Laptop\AppData\Local\Programs\Python\Python311\Lib\site-packages\pandas\core\indexes\base.py", line 5877, in _get_indexer_strict
    self._raise_if_missing(keyarr, indexer, axis_name)
  File "C:\Users\BAGAS Laptop\AppData\Local\Programs\Python\Python311\Lib\site-packages\pandas\core\indexes\base.py", line 5938, in _raise_if_missing
    raise KeyError(f"None of [{key}] are in the [{axis_name}]")
KeyError: "None of [Index(['Car'], dtype='object')] are in the [columns]"

问题核心 #

报错的本质是：你读取的CSV文件中没有名为'Car'的列，或者列名存在拼写错误、大小写不一致、前后空格等匹配问题。

解决步骤 #

• 先确认CSV的真实列名
  在调用get_dummies前，先打印所有列名，明确文件里的实际列：

  import pandas as pd
  cars = pd.read_csv("caterogical data.csv")
  # 输出所有列名列表
  print(cars.columns.tolist())
  

  你可能会发现列名是小写的car、带空格的Car Model，或者拼写错误成Cars。

• 修正列名匹配
  根据上面得到的真实列名修改代码：

  • 若列名是car，则改成cars[['car']]
  • 若列名带空格如Car Name，则用cars[['Car Name']]
  • 若列名有前后空格，先清理列名再调用：

    # 去除所有列名的前后空格
    cars.columns = cars.columns.str.strip()
    ohe_cars = pd.get_dummies(cars[['Car']])
    

• 验证文件读取正确性
  可以先打印数据前几行，确认CSV是否正确读取：

  print(cars.head())
  

  如果数据为空或不符合预期，可能是文件路径错误，或者CSV分隔符不是逗号（比如制表符、分号），可以指定分隔符：

  # 制表符分隔的文件
  cars = pd.read_csv("caterogical data.csv", sep='\t')
  # 分号分隔的文件
  cars = pd.read_csv("caterogical data.csv", sep=';')
  

内容的提问来源于stack exchange，提问作者Bagas Wahyu