Python：在含#分隔值的列中匹配另一列值时出现KeyError

错误原因 #

你代码里的两个关键错误导致了KeyError：

• row[my_df1.Column_B]：my_df1.Column_B返回的是整个Column_B列的所有数据，而非列名。row是按列名索引的Series，用整列数据当索引自然找不到对应键，直接触发KeyError。
• row[my_df1.Column_A]：同样错误，应该直接用列名索引当前行的Column_A值。

修正后的代码 #

基础修正版 #

def find_matching_value(row):
    # 用列名索引当前行的Column_B值，分割后转float（过滤空字符串）
    a_values = [float(x) for x in row['Column_B'].split('#') if x != '']
    # 用列名索引当前行的Column_A值，判断是否在列表中
    if row['Column_A'] in a_values:
        return row['Column_A']
    else:
        return None

# 直接在原df上生成Column_C，或按需求赋值给my_df2
my_df1['Column_C'] = my_df1.apply(find_matching_value, axis=1)

更高效的优化版（避免循环apply） #

如果数据量较大，apply循环效率偏低，可以用字符串匹配或正则实现，性能更优：

# 简单字符串匹配：给Column_B前后加#，确保匹配完整值
my_df1['Column_C'] = my_df1.apply(
    lambda row: row['Column_A'] if f"#{row['Column_A']}#" in f"#{row['Column_B']}#" else None,
    axis=1
)

# 正则匹配（更严谨，处理首尾无#的情况）
import re
my_df1['Column_C'] = my_df1.apply(
    lambda row: row['Column_A'] if re.search(rf'(^#|#){row["Column_A"]}(#|$)', row['Column_B']) else None,
    axis=1
)

补充说明 #

• 数据类型匹配：如果Column_A是float类型，分割后的字符串转float后会自动对齐精度（比如16.99和16.990000转float后是同一个值，不影响匹配）。
• 空值处理：如果Column_B存在NaN值，建议先填充空字符串避免报错：my_df1['Column_B'] = my_df1['Column_B'].fillna('')

内容的提问来源于stack exchange，提问作者Brandon