如何处理Pandas GroupBy查询时出现的KeyError(key)异常？

首先是你用到的读取数据和分组代码：

import pandas as pd

colnames = ['Date', 'Items', 'Quantity', 'Price']
df1 = pd.read_csv('data_assignment_1.txt', sep=" ", names=colnames, header=None)

# 按日期和物品分组求和
groupby_date_item = df1.groupby(['Date', 'Items'])['Quantity'].sum()

当查询不存在的日期-物品组合（比如('2020-09-23', 'Item_D')）时会触发KeyError，可以用以下几种方式处理：

方法1：使用.get()方法返回默认值 #

Series.get()方法支持指定键不存在时的默认返回值，比如用0代表该日期下该物品无销量：

# 查询存在的组合
print(groupby_date_item.get(('2020-09-23', 'Item_A'), default=0))
# 输出：3

# 查询不存在的组合
print(groupby_date_item.get(('2020-09-23', 'Item_D'), default=0))
# 输出：0

方法2：用try-except捕获异常 #

如果需要自定义错误处理逻辑（比如打印提示），可以直接捕获KeyError：

try:
    print(groupby_date_item[('2020-09-23', 'Item_D')])
except KeyError:
    print("该日期-物品组合不存在或输入有误")

方法3：预先生成完整的日期-物品组合 #

如果希望所有可能的日期和物品组合都有对应值（不存在的填0），可以先构建完整的MultiIndex，再重新索引分组结果：

# 获取所有唯一日期和物品
all_dates = df1['Date'].unique()
all_items = df1['Items'].unique()

# 生成所有可能的日期-物品组合
full_index = pd.MultiIndex.from_product([all_dates, all_items], names=['Date', 'Items'])

# 重新索引，不存在的组合填充0
groupby_full = groupby_date_item.reindex(full_index, fill_value=0)

# 现在查询任意组合都不会报错
print(groupby_full[('2020-09-23', 'Item_D')])
# 输出：0
print(groupby_full[('2020-09-25', 'Item_A')])
# 输出：0

内容的提问来源于stack exchange，提问作者jjbkd