Python Pandas中reset_index(drop=True)后选列报KeyError问题

你的核心问题出在对reset_index()参数的理解和melt()参数的缺失上，直接给你可行的处理流程：

正确操作步骤 #

1. Pivot生成宽表后保留ID列
   执行pivot后用reset_index()（不要加drop=True），这样原本作为索引的id_cols2（包含Disc_Type等4个字段）会转为普通列，此时你可以正常做过滤和函数应用：

   # 示例pivot代码（根据实际columns/values调整）
   df1_wide = df1_long.pivot(index=id_cols2, columns='metric_name', values='metric_value')
   # 将索引列转为普通列保留
   df2 = df1_wide.reset_index()
   # 正常执行过滤与函数应用
   df_filtered = df2[df2['Disc_Type'] == '目标类型'].apply(fn, axis=1)
   

2. Melt时指定ID列避免混入结果
   你遇到的melt结果包含索引列问题，本质是没告诉melt()哪些列是需要保留的标识列。执行melt时明确指定id_vars为id_cols2，这样只有pivot生成的宽表列会被转为长格式，ID列会保留作为标识：

   df_melted = df_filtered.melt(
       id_vars=id_cols2,
       var_name='metric_name',  # 对应pivot时的columns参数
       value_name='metric_value'  # 对应pivot时的values参数
   )
   

为什么之前的操作出问题 #

• 用reset_index(drop=True)会直接丢弃原本的索引列（也就是id_cols2），自然会出现KeyError: 'Disc_Type'，因为这些列已经被彻底删除。
• 不指定id_vars的melt()会把所有列都当作值列处理，所以原本的ID列也会被拆成行，导致结果里混入多余内容。

内容的提问来源于stack exchange，提问作者s_bklyn