将DataFrame添加到Featuretools EntitySet时遇IndexError：索引含空值

我有一个篮球赛季统计DataFrame，尝试执行如下代码将其添加到Featuretools的EntitySet：

entity_set.add_dataframe(dataframe_name="season_stats",
                 dataframe=season_stats,
                 index='name'
                 )

但触发IndexError，报错信息：

IndexError: Index contains null values

附相关DataFrame数据：

Unnamed: 0    Year               name Pos   Age   Tm     G    GS  
24672       24672  2017.0      Troy Williams  SF  22.0  TOT  30.0  16.0   
24675       24675  2017.0       Kyle Wiltjer  PF  24.0  HOU  14.0   0.0   
24688       24688  2017.0  Stephen Zimmerman   C  20.0  ORL  19.0   0.0   
24689       24689  2017.0        Paul Zipser  SF  22.0  CHI  44.0  18.0   
24690       24690  2017.0        Ivica Zubac   C  19.0  LAL  38.0  11.0   

          MP   PER  ...    FT%   ORB    DRB    TRB   AST   STL   BLK   TOV  
24672  557.0   8.9  ...  0.656  15.0   54.0   69.0  25.0  27.0  10.0  33.0   
24675   44.0   6.7  ...  0.500   4.0    6.0   10.0   2.0   3.0   1.0   5.0   
24688  108.0   7.3  ...  0.600  11.0   24.0   35.0   4.0   2.0   5.0   3.0   
24689  843.0   6.9  ...  0.775  15.0  110.0  125.0  36.0  15.0  16.0  40.0   
24690  609.0  17.0  ...  0.653  41.0  118.0  159.0  30.0  14.0  33.0  30.0   

         PF    PTS  
24672  60.0  185.0  
24675   4.0   13.0  
24688  17.0   23.0  
24689  78.0  240.0  
24690  66.0  284.0  

• 错误根源：Featuretools要求EntitySet的索引列必须无空值且唯一。你指定name作为索引，虽然样本数据中name列无空值，但完整DataFrame里该列存在缺失值，直接触发报错。另外，即使无空值，球员名字也可能重复（同赛季或跨赛季同名），后续会引发其他问题。

• 解决步骤：

  1. 排查并处理空值：先确认name列的空值数量：

     print(season_stats['name'].isnull().sum())
     

     处理方式二选一：

     # 删除含空值的行
     season_stats = season_stats.dropna(subset=['name'])
     # 或填充空值（根据业务场景，比如用"Unknown"）
     season_stats['name'] = season_stats['name'].fillna('Unknown')
     

  2. 更换更合适的索引：优先选择天然唯一的列，比如DataFrame中的Unnamed: 0（看起来是唯一行ID）：

     entity_set.add_dataframe(dataframe_name="season_stats",
                              dataframe=season_stats,
                              index='Unnamed: 0'
                              )
     

     也可以手动生成唯一索引：

     season_stats['player_unique_id'] = range(len(season_stats))
     entity_set.add_dataframe(dataframe_name="season_stats",
                              dataframe=season_stats,
                              index='player_unique_id'
                              )
     

  3. 若坚持用name列：需确保其唯一，若存在重复，可结合Year列生成复合索引（Featuretools支持复合索引）：

     # 先检查重复情况
     print(season_stats['name'].duplicated().sum())
     # 使用复合索引
     entity_set.add_dataframe(dataframe_name="season_stats",
                              dataframe=season_stats,
                              index=['name', 'Year']
                              )
     

内容的提问来源于stack exchange，提问作者idunskyi