对wine.data数据集执行训练测试拆分时出现KeyError错误的技术求助

嘿，我刚碰到过类似的问题！你这个KeyError的根源其实很简单——wine.data这个数据集本身没有自带列名，当你直接用pd.read_csv读取时，pandas会默认把数据的第一行当成列名，而不是真正的样本数据。这时候你用数字1到13去索引列，当然找不到对应的列名啦！

给你两种快速解决的方法：

方法一：指定列名读取（更清晰） #

UCI Wine数据集的列名是有官方定义的，我们可以在读取时直接指定，这样后续操作更直观：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import cross_val_score

# 定义Wine数据集的列名
column_names = [
    'Class', 'Alcohol', 'Malic acid', 'Ash', 'Alcalinity of ash',
    'Magnesium', 'Total phenols', 'Flavanoids', 'Nonflavanoid phenols',
    'Proanthocyanins', 'Color intensity', 'Hue', 
    'OD280/OD315 of diluted wines', 'Proline'
]
# 读取数据时指定列名
wine = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data", names=column_names)

# 提取特征和标签
X = wine.drop('Class', axis=1)  # 移除标签列，剩余全部为特征
y = wine['Class']

方法二：告诉pandas没有表头（更简便） #

如果你不想手动写列名，可以直接告诉pandas这个数据集没有表头，它会自动用0、1、2...作为列名：

# 读取时设置header=None，表示没有表头
wine = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data", header=None)

# 现在你的原代码修改后就能正常运行了
X = wine[np.arange(1,14)]
y = wine[0]

# 或者更推荐用iloc的写法，可读性更强
X = wine.iloc[:, 1:]  # 取所有行，第2列到最后一列（索引从0开始）
y = wine.iloc[:, 0]   # 取所有行的第1列

小建议 #

以后读取陌生数据集时，记得先跑一下wine.info()或者wine.head()，确认列名和数据结构是否符合预期，这样能快速定位这类表头相关的问题~

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