Pandas将DataFrame性别/年龄段转对应数字时遇KeyError问题求助

你写的循环逻辑有误：for i in df_pivot_table['new_gender_group']里的i是列中的具体值（比如'F'、'M'），但你用df_pivot_table['new_gender_group'][i]是把i当成行索引去取值，而你的DataFrame索引并非这些性别/年龄段值，因此触发KeyError。

方法1：直接遍历列元素 #

无需通过索引二次取值，直接用遍历到的元素判断：

for gender_val in df_pivot_table['new_gender_group']:
    if gender_val == 'F':
        print('female gender group')

方法2：需同时获取行索引/其他列值时，用iterrows() #

如果需要处理整行数据，用iterrows()遍历每一行：

for idx, row in df_pivot_table.iterrows():
    if row['new_gender_group'] == 'F':
        print(f"行索引{idx}：female gender group")
        # 也可同时处理年龄组
        if row['new_age_group'] == '13-17':
            print("对应年龄段：13-17")

方法3：更高效的映射转数字（推荐） #

既然要把性别/年龄段转成数字给Highcharts用，完全不需要循环，用map()方法配合映射字典更高效：

# 定义性别到数字的映射
gender_to_num = {'F': 0, 'M': 1, 'U': 2}
# 定义年龄段到数字的映射（根据实际年龄段调整）
age_to_num = {'13-17': 0, '18-24': 1, '25-34': 2, '35-44': 3, '45-54':4, '55+':5}

# 生成对应的数字列
df_pivot_table['gender_num'] = df_pivot_table['new_gender_group'].map(gender_to_num)
df_pivot_table['age_num'] = df_pivot_table['new_age_group'].map(age_to_num)

这种向量化操作是Pandas推荐的方式，比循环效率高得多，尤其适合数据量较大的场景。

内容的提问来源于stack exchange，提问作者lss555