Python For循环统计报错：列值不全导致取值异常

数据集 #

q1  q2  q3     q4
0   a   a   a   a
1   b   a   a   a
2   c   c   b   a
3   d   d   b   a
4   a   a   a   a
5   b   c   b   a
6   b   a   b   a
7   c   c   b   a
8   d   d   b   a

各列取值范围 #

• q1: 'a','b','c','d'
• q2: 'a','c','d'
• q3: 'a','b'
• q4: 'a'

问题 #

尝试用for循环对所有列执行统一统计，但部分列不包含全部目标取值，运行以下代码时触发KeyError：

col = ['q1', 'q2', 'q3', 'q4']

for i in col:
    print((df[i].value_counts()['a']) + (df[i].value_counts()['b']) + (df[i].value_counts()['c']) + (df[i].value_counts()['d']))

解决方案 #

报错根源是当列中不存在某个取值时，value_counts()返回的Series中没有对应的索引，直接通过索引访问会报错。可以用.get()方法，当索引不存在时返回0，完美适配所有列的统计需求：

写法一：分步累加 #

col = ['q1', 'q2', 'q3', 'q4']
target_values = ['a', 'b', 'c', 'd']

for col_name in col:
    count_sum = 0
    val_counts = df[col_name].value_counts()
    for v in target_values:
        count_sum += val_counts.get(v, 0)
    print(count_sum)

写法二：简洁生成器 #

col = ['q1', 'q2', 'q3', 'q4']
target_values = ['a', 'b', 'c', 'd']

for col_name in col:
    val_counts = df[col_name].value_counts()
    print(sum(val_counts.get(v, 0) for v in target_values))

额外说明 #

如果你只是要统计这四个取值的总出现次数，其实每列的总次数就是数据集的行数（这里是9），因为所有行的列都有取值。但上面的方法更通用，后续如果需要调整目标取值范围，直接修改target_values即可。

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